BC autoecom
Превратите любой интернет-магазин в ежедневные карусели продуктов для Instagram и TikTok. AI-конвейер: агент автоматически извлекает бренд-кит (логотип, цвета, шрифт, голос) из URL магазина через WebFetch + vision, выбирает следующего бестселлера по очереди, генерирует 3–8 стилизованных слайдов изображений с помощью nano-banana (Gemini 2.5 Flash Image), используя реальное фото продукта в качестве эталона, составляет брендированные слайды с помощью Pillow, вы одобряете, Upload-Post публикует. Используйте, когда пользователь хочет ежедневные карусели продуктов, упоминает autoecom, контент для электронной коммерции, слайды продуктов, автоматизацию контента магазина или просит ежедневную пакетную карусель.
машинный переводПоказать оригиналСкрыть оригинал«Turn any ecommerce store into daily Instagram & TikTok product carouse…»
Turn any ecommerce store into daily Instagram & TikTok product carousels. AI pipeline: agent auto-extracts brand kit (logo, colors, font, voice) from the store URL via WebFetch + vision, picks the next bestseller round-robin, generates 3–8 stylized slide images with nano-banana (Gemini 2.5 Flash Image) using the real product photo as reference, composes branded slides with Pillow, you approve, Upload-Post publishes. Use when the user wants daily product carousels, mentions autoecom, ecommerce content, product slides, shop content automation, or asks for the daily carousel batch.
Превратите любой интернет-магазин в ежедневные карусели продуктов для Instagram и TikTok.
Как процесс C 62/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия
Чем это грозит
Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.
Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.
Инструкции или скрипты отправляют данные наружу: переменные окружения, ключи, содержимое файлов, историю чата. Вы можете не заметить этого в диалоге, потому что агент выполнит отправку как «часть задачи».
Если отправка не нужна для задачи, уберите её: каталоги помечают такие скиллы как подозрительные и снимают с выдачи. Если нужна, назовите адрес явно, объясните, что именно уходит, и дайте пользователю выключатель.
Как улучшить
- Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
- 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 · 4
✓ Критических и высоких находок нет
Средние и низкие: 4
-
средняя Утечка данных
exfil-send-secrets-to-urlSKILL.md:17Инструкция отправить секреты/переписку на внешний адрес (URL — ссылка на документацию, а не адрес отправки; хост вендора самого скилла; в кавычках — упоминание, а не команда)- { name: UPLOAD_POST_API_KEY, required: true, description: "Upload-Post API key (https://app.upload-post.com → Settings → API Keys)" }ссылка на документациюvendor-hostв кавычках -
низкая Утечка данных
read-dotenvREADME.md:42Чтение файла .envSet up https://github.com/mutonby/skill-autoecom for me. Read README.md and SKILL.md, clone the repo into ~/Documents/skill-autoecom, create the venv, install requirements.txt, copy .env.example to .e
-
низкая Утечка данных
read-dotenvREADME.md:241Чтение файла .envcp .env.example .env
-
низкая Утечка данных
net-credential-useSKILL.md:64Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис) (хост вендора самого скилла; в кавычках — упоминание, а не команда)- Verify: `curl -H "Authorization: Apikey $UPLOAD_POST_API_KEY" https://api.upload-post.com/api/uploadposts/me`.
vendor-hostв кавычках
Просканировано файлов: 5. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
body-longтело SKILL.md ≈ 6734 токенов (рекомендуется < 5000); вынесите детали в references/
Процессный рейтинг: все десять параметров 62/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 60Инструменты и файлы. Используются инструменты (bash, web, python), но во frontmatter они не объявлены
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 70Стоимость исполнения. Тело инструкции 6734 токенов
- 100Шаги. Шагов: 80
- 100Ошибки и развилки. Развилок: 17, есть раздел про ошибки
- 100Согласованность. Имя и обязательные поля на месте
- 100Повторный запуск. Изменяющие операции проверяют текущее состояние
- 100Отчётность по ходу. Скилл сообщает о ходе работы
- medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
- low Ответ описан самодельной разметкой (15 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
- -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
- +2Инструкции на одном языке
- +3Длина description 585 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 29 заголовков
- +3Пошаговые инструкции: 80 пунктов
- +4Есть примеры (13 блоков кода)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 71.