SKILLEMALL.ai
GitHub ↗ EN Войти

BC linkfox-geekbi-temu-search-by-image

На основе изображения товара ищите визуально похожие или идентичные товары на открытом рынке Temu, возвращая данные о товаре, продажах, цене, отзывах, запасах, цене поставщика, магазине и категории. Активируется, когда пользователь явно запрашивает поиск по изображению на Temu, поиск идентичных товаров по изображению на Temu, reverse image search on Temu, Temu visual product search, или предоставляет изображение/URL изображения и явно хочет найти похожие товары на Temu. Обобщенные запросы на поиск товаров по изображению без указания Temu не активируются автоматически. Этот навык не используется для поиска поставщиков 1688 на разных платформах, распознавания или редактирования изображений, запроса истории деталей товаров, поиска товаров по ключевым словам.

машинный переводПоказать оригиналСкрыть оригинал«基于商品图片在 Temu 公开市场检索视觉相似或同款商品，返回商品、销量、价格、评价、库存、供货价、店铺与品类数据。当用户明确提出 Temu…»

基于商品图片在 Temu 公开市场检索视觉相似或同款商品，返回商品、销量、价格、评价、库存、供货价、店铺与品类数据。当用户明确提出 Temu 以图搜图、Temu 图搜同款、reverse image search on Temu、Temu visual product search，或提供图片/图片 URL 并明确希望在 Temu 查找相似商品时触发。未指定 Temu 的泛化图片找货请求不自动触发。本 skill 不用于跨平台找 1688 货源、图片识别或编辑、商品详情历史查询、关键词商品搜索。

ClawHub Agent Skills автор: linkfox-ai v1.0.0 MIT-0 7 файлов тело ≈ 2 026 токенов Открыть источникclawhub.ai↗ проанализирован 5 ч назад

На основе изображения товара ищите визуально похожие или идентичные товары на открытом рынке Temu, возвращая данные о товаре, продажах, цене, отзывах…

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураРазработкаТорговляТексты и документытип 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%
97
Качество 40%
73
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
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 · 3

✓ Критических и высоких находок нет

Средние и низкие: 3
  • низкая Опасные команды cmd-shell-rc references/onboarding.md:13
    Запись в файл автозагрузки shell (.bashrc / .zshrc / .profile) (в кавычках — упоминание, а не команда)
    - macOS zsh：`echo 'export LINKFOX_AGENT_API_KEY="<key>"' >> ~/.zshrc && source ~/.zshrc`
    в кавычках
  • низкая Опасные команды cmd-shell-rc references/onboarding.md:14
    Запись в файл автозагрузки shell (.bashrc / .zshrc / .profile) (определение детектора / чёрного списка)
    - Linux bash：`echo 'export LINKFOX_AGENT_API_KEY="<key>"' >> ~/.bashrc && source ~/.bashrc`
    детектор
  • низкая Секреты в коде secret-high-entropy-token scripts/onboarding.py:50
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    or "eyJh…iJ9")
    в кавычках

Просканировано файлов: 7. 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")

Процессный рейтинг: все десять параметров 53/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (web, python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 34
  • 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2026 токенов
  • low Разделов верхнего уровня: 11. Похоже на несколько доменов в одном скилле
  • low Ответ описан самодельной разметкой (7 тегов): типизированный вызов надёжнее

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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -31 из 3 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 250 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 13 заголовков
  • +3Пошаговые инструкции: 34 пунктов
  • +4Есть примеры (2 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 73.

Внешние проверки

ClawHub: suspicious
The skill performs the stated Temu image search, but it also publicly uploads images, silently reports feedback externally, and handles credentials and payments with weak scoping.
LLM: suspicious (high) · 14 сент. 2026 г.