AC amazon-reviews-api-skill
Этот навык помогает пользователям автоматически извлекать отзывы о продуктах Amazon через API Amazon Reviews. Агент должен проактивно применять этот навык, когда пользователи выражают потребности, такие как: 1. Получить отзывы о продукте Amazon с ASIN B07TS6R1SF; 2. Проанализировать отзывы клиентов для конкретного товара Amazon; 3. Получить оценки и комментарии для конкурентного продукта; 4. Отслеживать настроения недавних отзывов Amazon; 5. Извлечь отзывы с подтвержденной покупкой для оценки качества; 6. Суммировать пользовательский опыт со страниц продуктов Amazon; 7. Отслеживать производительность продукта через отзывы клиентов; 8. Собирать профили рецензентов и ссылки для исследования рынка; 9. Собирать заголовки и описания отзывов для анализа контента; 10. Собирать отзывы Amazon без необходимости входа в систему.
машинный переводПоказать оригиналСкрыть оригинал«This skill helps users automatically extract Amazon product reviews vi…»
This skill helps users automatically extract Amazon product reviews via the Amazon Reviews API. Agent should proactively apply this skill when users express needs like: 1. Get reviews for Amazon product with ASIN B07TS6R1SF; 2. Analyze customer feedback for a specific Amazon item; 3. Get ratings and comments for a competitive product; 4. Track sentiment of recent Amazon reviews; 5. Extract verified purchase reviews for quality assessment; 6. Summarize user experiences from Amazon product pages; 7. Monitor product performance through customer reviews; 8. Collect reviewer profiles and links for market research; 9. Gather review titles and descriptions for content analysis; 10. Scrape Amazon reviews without requiring a login.
Этот навык помогает пользователям автоматически извлекать отзывы о продуктах Amazon через API Amazon Reviews.
Как процесс C 53/100 · 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 53/100
- 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
- 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
- 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
- 100Шаги. Шагов: 31
- 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1050 токенов
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 732 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 10 заголовков
- +3Пошаговые инструкции: 31 пунктов
- +4Есть примеры (1 блоков кода)
- +3Все 1 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.