SKILLEMALL.ai

AD ecommerce-copilot

Помощник по полному циклу электронной коммерции, охватывающий создание текстов, клиентские сценарии и операционные стратегии для платформ Taobao, JD.com, Pinduoduo, Douyin Shop и других. Сценарии активации: когда пользователь упоминает ключевые слова, такие как "тексты для электронной коммерции", "заголовки Taobao", "описания товаров", "страницы деталей", "сценарии для клиентов", "обработка плохих отзывов", "стимулирование хороших отзывов", "сценарии для продаж", "операционная деятельность магазина", "заголовки Pinduoduo", "товары JD", "Douyin Shop", "сценарии для ведущих", "закрытие сделки", "тексты для акций", "Double 11", "618", "крупные распродажи", "выделение преимуществ", "тексты для продуктов", "описания SKU" и т.д. Поддерживает различные категории, такие как одежда, косметика, продукты питания, электроника, товары для дома и т.д.

машинный переводПоказать оригиналСкрыть оригинал«电商运营全流程助手,覆盖淘宝、京东、拼多多、抖音小店等平台的文案创作、客服话术和运营策略。触发场景:用户提到"电商文案"、"淘宝标题"、"商…»

电商运营全流程助手,覆盖淘宝、京东、拼多多、抖音小店等平台的文案创作、客服话术和运营策略。触发场景:用户提到"电商文案"、"淘宝标题"、"商品描述"、"详情页"、"客服话术"、"差评处理"、"催好评"、"带货脚本"、"店铺运营"、"拼多多标题"、"京东商品"、"抖音小店"、"主播话术"、"逼单"、"活动文案"、"双十一"、"618"、"大促"、"卖点提炼"、"产品文案"、"SKU描述"等关键词时激活。支持服装、美妆、食品、数码、家居等各类目。

ClawHub Agent Skills автор: ryanlee-gemini v1.0.0 MIT-0 5 файлов тело ≈ 701 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Помощник по полному циклу электронной коммерции, охватывающий создание текстов, клиентские сценарии и операционные стратегии для платформ Taobao, JD.com…

Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураТорговляИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
Прогон на моделях
не было
Процессный рейтинг
D
49/100
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: 5. 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 49/100

  • 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
  • 40Согласованность. Имя во frontmatter (ecommerce-copilot) не совпадает с папкой (cn-ecommerce-copilot)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 37
  • 100Стоимость исполнения. Тело инструкции 701 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 223 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 25 заголовков
  • +3Пошаговые инструкции: 37 пунктов
  • +4Есть примеры (8 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (3 из 3)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.

Внешние проверки

ClawHub: clean
The artifacts are coherent development and moderation workflow skills with disclosed commands and no evidence of hidden or malicious behavior.
LLM: benign (medium) · VirusTotal: · 29 мая 2026 г.