SKILLEMALL.ai

AD product-selection-assistant

Помощник по выбору товаров для электронной коммерции. Операторы вводят название продукта/описание/ASIN, ИИ автоматически ищет рыночные данные в сети и дает четкую рекомендацию "настоятельно рекомендуется/рекомендуется к размещению/осторожно к размещению/не рекомендуется к размещению", комплексно оценивая по 6 параметрам: рыночный спрос, интенсивность конкуренции, рентабельность, сезонность, сложность входа, тенденция роста, а также генерирует интерактивный HTML-отчет с визуализацией. Триггерные слова: выбор товара, анализ выбора товара, хорошо ли продается, стоит ли размещать, можно ли этим заниматься, анализ продукта, рекомендация по размещению, помощник по выбору товара, помоги мне посмотреть этот продукт, можно ли этим заниматься.

машинный переводПоказать оригиналСкрыть оригинал«电商选品助手。运营人员输入产品名称/描述/ASIN,AI自动联网搜索市场数据,从市场需求、竞争强度、利润空间、季节性、入场难度、增长趋势6大…»

电商选品助手。运营人员输入产品名称/描述/ASIN,AI自动联网搜索市场数据,从市场需求、竞争强度、利润空间、季节性、入场难度、增长趋势6大维度综合评分,给出"强烈推荐/建议上架/谨慎上架/不建议上架"的明确建议,并生成交互式HTML可视化分析报告。触发词:选品、选品分析、好不好卖、值不值得上架、能不能做、产品分析、上架建议、选品助手、帮我看看这个产品、这个产品能做吗。

ClawHub Agent Skills автор: bettermen v1.0.0 MIT-0 4 файла тело ≈ 969 токенов Открыть источникclawhub.ai проанализирован 17 ч назад

Помощник по выбору товаров для электронной коммерции.

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
74
Прогон на моделях
не было
Процессный рейтинг
D
46/100
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: 4. 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")
  • заметка frontmatter-key неизвестное поле фронтматтера "agent_created"

Процессный рейтинг: все десять параметров 46/100

  • 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
  • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 41
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 969 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)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 186 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 14 заголовков
  • +3Пошаговые инструкции: 41 пунктов
  • +4Есть примеры (2 блоков кода)
  • +3Все 1 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 74.

Внешние проверки

ClawHub: clean
This skill is a coherent e-commerce product research assistant, with disclosed web research and local HTML report generation, though users should avoid entering sensitive unreleased product details.
LLM: benign (high) · VirusTotal: · 20 июн. 2026 г.