SKILLEMALL.ai
GitHub ↗ EN Войти

BC product-opportunity-analyzer

Выявление продуктовых возможностей на основе отзывов электронной коммерции. Автоматически извлекает отзывы с оценкой 1-3 звезды, использует стратегию Map-Reduce для извлечения болевых точек и генерирует отчет об инсайтах продукта. Активируется, когда пользователь отправляет ссылку на товар Amazon.

машинный переводПоказать оригиналСкрыть оригинал«从电商评论中发掘产品机会。自动抓取商品1-3星评论，使用Map-Reduce策略提取痛点，生成产品洞察报告。当用户发送亚马逊商品链接时触发此…»

从电商评论中发掘产品机会。自动抓取商品1-3星评论，使用Map-Reduce策略提取痛点，生成产品洞察报告。当用户发送亚马逊商品链接时触发此技能。

ClawHub Agent Skills автор: zzhimin v1.0.0 MIT-0 3 файла тело ≈ 589 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Выявление продуктовых возможностей на основе отзывов электронной коммерции.

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

АнализаторИнфраструктуратип 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
88/100
безопасность, качество, тесты
Безопасность 60%
99
Качество 40%
72
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
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 · 1

✓ Критических и высоких находок нет

Средние и низкие: 1
  • низкая Секреты в коде secret-password-literal scripts/review_scraper.py:117
    Захардкоженный пароль / ключ (возможно, пример)
    api_key = sys.argv[2]

Просканировано файлов: 3. 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
  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 11
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 589 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 73: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 9 заголовков
  • +3Пошаговые инструкции: 11 пунктов
  • +4Есть примеры (3 блоков кода)
  • +3Все 1 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.

Внешние проверки

ClawHub: clean
This skill coherently analyzes Amazon reviews, with disclosed Bright Data scraping and local output, but users should protect API keys and understand the third-party data flow.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.