SKILLEMALL.ai
GitHub ↗ EN Войти

AD amazon-listing-optimization

Используйте, когда: пользователь говорит «Написать/оптимизировать Listing» / «Изменить мой заголовок» / «Мои пять пунктов не работают» / «Как написать Search Terms» / «Как скопировать текст конкурента» / «rewrite my listing» / «У меня низкая конверсия» / «Анализ VOC». Охватывает: 5-этапную оптимизацию листинга — выявление болевых точек VOC (из отзывов) → написание заголовка/пяти пунктов/Backend → автоматическая проверка на соответствие IP → текст, готовый к прямой загрузке. НЕ для: выбора товара (используйте amazon-product-explorer) / ежедневного мониторинга (используйте amazon-daily-competitor-radar) / простого просмотра деталей ASIN (вызывайте get_amazon_product напрямую).

машинный переводПоказать оригиналСкрыть оригинал«Use when: user says "写/优化 Listing" / "改我的标题" / "我的五点不行" / "Search Term…»

Use when: user says "写/优化 Listing" / "改我的标题" / "我的五点不行" / "Search Terms 怎么写" / "竞品文案怎么抄" / "rewrite my listing" / "我的转化率差" / "VOC 分析". Covers: 5-step Listing optimization — VOC 痛点挖掘 (来自 reviews) → 标题/五点/Backend 写作 → IP 合规自动筛查 → 文案可直接复制上架。 NOT for: 选品 (use amazon-product-explorer) / 日常监控 (use amazon-daily-competitor-radar) / 单纯 ASIN 详情 (call get_amazon_product directly).

ClawHub Agent Skills автор: Pangolinfo v4.0.0 MIT-0 2 файла тело ≈ 5 613 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Используйте, когда: пользователь говорит «Написать/оптимизировать Listing» / «Изменить мой заголовок» / «Мои пять пунктов не работают» / «Как написать Search…

Как процесс D 48/100 · Процесс не доведён — слабые места: результат и критерий готовности, входы и предусловия, согласованность

АнализаторРазработкаИнфраструктуратип 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
A
90/100
безопасность, качество, тесты
Безопасность 60%
98
Качество 40%
78
Прогон на моделях
не было
Процессный рейтинг
D
48/100
Процесс не доведён
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. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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 · 2

✓ Критических и высоких находок нет

Средние и низкие: 2
  • низкая Секреты в коде secret-high-entropy-token SKILL.md:496
    Строка, похожая на токен (может быть id, хеш или секрет) (строка таблицы в документации)
    | `top5…max` | `top5…Max`（products 不是 brands）|
    таблица
  • низкая Секреты в коде secret-high-entropy-token SKILL.md:546
    Строка, похожая на токен (может быть id, хеш или секрет) (строка таблицы в документации)
    | filter_niches 入参 | 传 `categoryId` | 只认 `nicheId`/`nicheTitle`;0-1 小数字段(`top5…Max`/`retu…Max`)别传整数 |
    таблица

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

По спецификации Agent Skills

  • предупреждение body-long тело SKILL.md ≈ 5613 токенов (рекомендуется < 5000); вынесите детали в references/
  • заметка frontmatter-key неизвестное поле фронтматтера "mcp_tools_used"
  • заметка frontmatter-key неизвестное поле фронтматтера "applies_to"
  • заметка frontmatter-key неизвестное поле фронтматтера "budget"

Процессный рейтинг: все десять параметров 48/100

  • 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
  • 40Согласованность. Имя во frontmatter (amazon-listing-optimization) не совпадает с папкой (pangolinfo-amazon-listing-optimization)
  • 50Когда включается. Не сказано, при каком запросе скилл включается
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 60Инструменты и файлы. Используются инструменты (bash, node), но во frontmatter они не объявлены
  • 70Стоимость исполнения. Тело инструкции 5613 токенов
  • 100Шаги. Шагов: 113
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 18. Похоже на несколько доменов в одном скилле
  • low Ответ описан самодельной разметкой (5 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

  • +3Формат ответа не описан: модель каждый раз решает сама
  • -263 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 7 примера фраз-триггеров в кавычках
  • +4Описание говорит, когда скилл НЕ применять
  • +3Длина description 372 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 50 заголовков
  • +3Пошаговые инструкции: 113 пунктов
  • +4Есть примеры (14 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 78.

Внешние проверки

ClawHub: suspicious
The skill is mostly a coherent Amazon listing workflow, but it tells the agent to directly read an API key from the environment, which requires user review before installation.
LLM: suspicious (high) · VirusTotal: · 20 авг. 2026 г.