AC amazon-product-search-api-skill
Этот навык предназначен для автоматического извлечения данных о товарах из результатов поиска Amazon. Агент должен проактивно применять этот навык, когда пользователи запрашивают: 1. Поиск товаров по ключевому слову [keyword]; 2. Поиск лучших товаров от бренда [brand]; 3. Мониторинг цен и наличия товаров на Amazon; 4. Извлечение списков товаров для исследования рынка; 5. Сбор рейтингов и количества отзывов для анализа конкурентов; 6. Поиск конкретных товаров с максимальным количеством [number]; 7. Поиск на Amazon на [language] для локализованных результатов; 8. Отслеживание оценок ежемесячных продаж товаров бренда [brand]; 9. Сбор URL-адресов и названий товаров для каталога; 10. Сканирование Amazon на наличие тегов "Best Seller" в определенной категории; 11. Мониторинг информации о доставке товаров бренда [brand]; 12. Создание структурированного набора данных результатов поиска Amazon.
машинный переводПоказать оригиналСкрыть оригинал«This skill is designed to help users automatically extract product dat…»
This skill is designed to help users automatically extract product data from Amazon search results. The Agent should proactively apply this skill when users request: 1. Search for products related to [keyword]; 2. Find best-selling items from [brand]; 3. Monitor product prices and availability on Amazon; 4. Extract product listings for market research; 5. Collect product ratings and review counts for competitive analysis; 6. Find specific products with a maximum count of [number]; 7. Search Amazon in [language] for localized results; 8. Track monthly sales estimates for [brand] products; 9. Gather product URLs and titles for a product catalog; 10. Scan Amazon for "Best Seller" tags in a specific category; 11. Monitor shipping and delivery information for [brand] items; 12. Build a structured dataset of Amazon search results.
Этот навык предназначен для автоматического извлечения данных о товарах из результатов поиска Amazon.
Как процесс C 56/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- 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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
✓ По спецификации Agent Skills замечаний нет
Процессный рейтинг: все десять параметров 56/100
- 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
- 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
- 100Шаги. Шагов: 51
- 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1451 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 836: рекомендуется 120–800 символов
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +4Структура: 10 заголовков
- +3Пошаговые инструкции: 51 пунктов
- +4Есть примеры (1 блоков кода)
- +3Все 1 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.