SKILLEMALL.ai

BD qinghu-ozon-shop-intercept

青虎AI Ozon Анализ конкурентных магазинов: после выбора целевого магазина выводит все его товары в продаже, снимок трендов магазина и структуру популярных товаров, копирует его логику подбора товаров и матрицу продаж, а также отслеживает новые и набирающие обороты потенциальные товары для перехвата трафика в реальном времени. Активируется, когда пользователь хочет проанализировать конкурентный магазин на Ozon, посмотреть, что продает конкурент, скопировать подбор товаров конкурента, отслеживать новые товары конкурента, проводить перехват трафика у конкурентов. Ключевые слова: 青虎AI, Ozon, Россия, конкурентный магазин, целевой магазин, перехват трафика, анализ магазина, матрица продаж, мониторинг новых товаров, рейтинги магазинов.

машинный переводПоказать оригиналСкрыть оригинал«青虎AI Ozon 竞店截流:锁定对标店铺后拉出它的全部在售商品、店铺趋势快照与热销结构,复刻它的选品逻辑与出单矩阵,并盯住它新上、正在起量…»

青虎AI Ozon 竞店截流:锁定对标店铺后拉出它的全部在售商品、店铺趋势快照与热销结构,复刻它的选品逻辑与出单矩阵,并盯住它新上、正在起量的潜力新品做实时截流。当用户要在 Ozon 分析竞争店铺、看对手在卖什么、复刻竞店选品、监控对手新品、做竞店截流时必须触发。关键词:青虎AI、Ozon、俄罗斯、竞店、对标店铺、截流、店铺分析、出单矩阵、新品监控、店铺榜单。

ClawHub Agent Skills автор: AutoAGC v0.1.3 MIT-0 2 файла тело ≈ 1 507 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

青虎AI Ozon Анализ конкурентных магазинов: после выбора целевого магазина выводит все его товары в продаже, снимок трендов магазина и структуру популярных…

Как процесс D 43/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураРазработкаДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
72
Прогон на моделях
не было
Процессный рейтинг
D
43/100
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: 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")

Процессный рейтинг: все десять параметров 43/100

  • 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
  • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 34
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1507 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 181 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 18 заголовков
  • +3Пошаговые инструкции: 34 пунктов
  • +4Есть примеры (4 блоков кода)

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

Внешние проверки

ClawHub: clean
This skill is a disclosed Ozon competitor-shop research workflow that uses a Qinghu API token and external data calls with user confirmation before tool use.
LLM: benign (high) · VirusTotal: · 8 сент. 2026 г.