SKILLEMALL.ai
GitHub ↗ EN Войти

BD linkfox-expert-single-variation-potential-scout

Эксперт по подбору товаров с одним вариантом для Amazon на основе Seller Sprite. Подходит для поиска возможностей товаров с одним вариантом, имеющих простую структуру вариантов, низкую сложность вариантов, сигналы продаж или роста и более четкий путь разработки.

машинный переводПоказать оригиналСкрыть оригинал«基于卖家精灵的亚马逊潜力单变体选品专家。适用于寻找变体结构简单、变体复杂度低、具备销量或增长信号、开发路径更清晰的单变体商品机会。…»

基于卖家精灵的亚马逊潜力单变体选品专家。适用于寻找变体结构简单、变体复杂度低、具备销量或增长信号、开发路径更清晰的单变体商品机会。

ClawHub Agent Skills автор: linkfox-ai v1.0.1 MIT-0 35 файлов тело ≈ 2 278 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Эксперт по подбору товаров с одним вариантом для Amazon на основе Seller Sprite.

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураExcelДанные и аналитикатип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
B
87/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
68
Прогон на моделях
не было
Процессный рейтинг
D
46/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
Для прогона на моделях — необязательно
  • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
  • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

Находки guard · 0

✓ Критических и высоких находок нет

Просканировано файлов: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • заметка frontmatter-key неизвестное поле фронтматтера "zh_name"

Процессный рейтинг: все десять параметров 46/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 78
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2278 токенов
  • 100Повторный запуск. Изменяющих операций нет

Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

Сигналы качества

  • +5В description нет примеров фраз, по которым скилл должен срабатывать
  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Длина description 65: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 29 заголовков
  • +3Пошаговые инструкции: 78 пунктов
  • +4Есть примеры (5 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 68.

Внешние проверки

ClawHub: suspicious
The product-scouting workflow is understandable, but the package also contains account/payment, public upload, scheduled-task, and agent-rewriting capabilities that go beyond the advertised scouting purpose.
LLM: suspicious (high) · 9 авг. 2026 г.