SKILLEMALL.ai

BF qinghu-douyin-quick-listing

青虎AI抖音极速上货:Используйте ключевые слова 1688 для поиска и сбора информации о популярных товарах, после проверки авторизованных аккаунтов через晓风 ERP и выбора шаблона для размещения товаров, одним кликом массово загружайте товары в Douyin Shop, а также поддерживайте запрос списка товаров после загрузки, редактирование заголовков, изображений, SKU и замену карусельных изображений. Обязательно запускайте, когда пользователь хочет собирать товары с 1688 для загрузки в Douyin Shop, массово размещать товары, размещать товары по ссылкам, выбирать шаблон для размещения товаров, редактировать размещенные товары в Douyin Shop. Ключевые слова: 青虎AI, 抖音, 抖店, 上货, 铺货, 上架, 1688, 晓风ERP, 铺货模板, 商品编辑, 批量.

машинный переводПоказать оригиналСкрыть оригинал«青虎AI 抖音极速上货:用 1688 关键词搜索与商品详情采集热卖货源,经晓风 ERP 查授权账号、选铺货模板后一键批量上架到抖店,并支持上…»

青虎AI 抖音极速上货:用 1688 关键词搜索与商品详情采集热卖货源,经晓风 ERP 查授权账号、选铺货模板后一键批量上架到抖店,并支持上架后查询商品列表、编辑标题图片 SKU 与更换轮播图。当用户要从 1688 采集商品上架抖店、批量铺货、用链接铺货、选铺货模板、编辑已上架的抖店商品时必须触发。关键词:青虎AI、抖音、抖店、上货、铺货、上架、1688、晓风ERP、铺货模板、商品编辑、批量。

ClawHub Agent Skills автор: AutoAGC v0.1.3 MIT-0 2 файла тело ≈ 1 725 токенов Открыть источникclawhub.ai проанализирован 36 ч назад

青虎AI抖音极速上货:Используйте ключевые слова 1688 для поиска и сбора информации о популярных товарах, после проверки авторизованных аккаунтов через晓风 ERP и выбора…

Как процесс F 33/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: AUTH_URL

ПроцедураТорговлятип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
86/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
66
Прогон на моделях
не было
Процессный рейтинг
F
33/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: AUTH_URL
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
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.
  2. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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: 2. 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")
  • предупреждение missing-ref ссылка на отсутствующий файл: AUTH_URL

Процессный рейтинг: все десять параметров 33/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: AUTH_URL
  • 0Инструменты и файлы. Не хватает 1 файла(ов): AUTH_URL
  • 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
  • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
  • 100Шаги. Шагов: 35
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1725 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 198 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 19 заголовков
  • +3Пошаговые инструкции: 35 пунктов
  • +4Есть примеры (4 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 66.

Внешние проверки

ClawHub: clean
This is a coherent Douyin shop listing/editing skill with disclosed Qinghu API use and confirmation gates, though users should be aware it may export larger result sets to local files.
LLM: benign (high) · VirusTotal: · 8 сент. 2026 г.