SKILLEMALL.ai
EN Войти

AC amazon-variant-analysis

Анализ вариантов Amazon: сравнивает различия в репутации разных цветов, размеров и спецификаций под одним и тем же родительским товаром, определяет проблемные варианты, снижающие общий рейтинг, и реально продаваемые варианты, чтобы предоставить основу для сокращения вариантов, корректировки запасов и изменения основного продукта. Используйте, когда пользователь спрашивает о сравнении вариантов, проблемах с размером или цветом, анализе родительских-дочерних ASIN, анализе вариантов, сравнении цветов и размеров, производительности дочерних товаров, репутации вариантов, сравнении SKU, проблемных вариантах. Требуется ключ API ARI (ari_live_*).

машинный переводПоказать оригиналСкрыть оригинал«亚马逊变体分析 Skill：对比同一父体下不同颜色、尺寸、规格的口碑差异， 找出拖累整体评分的问题变体与真正跑量的优势变体， 为砍变体、调库…»

亚马逊变体分析 Skill：对比同一父体下不同颜色、尺寸、规格的口碑差异， 找出拖累整体评分的问题变体与真正跑量的优势变体， 为砍变体、调库存、换主推提供依据。Use when the user asks about variant comparison, size or color issues, parent-child ASIN analysis, 变体分析、颜色尺寸对比、 子体表现、变体口碑、SKU 对比、问题变体。Requires an ARI API key (ari_live_*).

ClawHub Agent Skills автор: funewa v0.1.2 MIT-0 8 файлов тело ≈ 854 токенов Открыть источникclawhub.ai↗ проанализирован 33 ч назад

Анализ вариантов Amazon: сравнивает различия в репутации разных цветов, размеров и спецификаций под одним и тем же родительским товаром, определяет проблемные…

Как процесс C 52/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

АнализаторТорговляРазработкаДанные и аналитикатип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
A
91/100
безопасность, качество, тесты
Безопасность 60%
95
Качество 40%
85
Прогон на моделях
не было
Процессный рейтинг
C
52/100
Есть пробелы
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
Это копия скилла из другого каталога, в рейтинге считается основная: amazon-variant-analysis (ClawHub)

Чем это грозит

Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.

Утечка данных средняя серьёзность

Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.

Если установить

Инструкции или скрипты отправляют данные наружу: переменные окружения, ключи, содержимое файлов, историю чата. Вы можете не заметить этого в диалоге, потому что агент выполнит отправку как «часть задачи».

Автору

Если отправка не нужна для задачи, уберите её: каталоги помечают такие скиллы как подозрительные и снимают с выдачи. Если нужна, назовите адрес явно, объясните, что именно уходит, и дайте пользователю выключатель.

Как улучшить

    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 · 1

    ✓ Критических и высоких находок нет

    Средние и низкие: 1
    • средняя Утечка данных net-redirectable-api-key scripts/ari.py:54
      Скрипт отправляет API-ключ на хост из переменной окружения — ключ можно перенаправить на другой сервер
      API key + configurable base URL from environment

    Просканировано файлов: 8. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "display_name"
    • заметка frontmatter-key неизвестное поле фронтматтера "agent_created"

    Процессный рейтинг: все десять параметров 52/100

    • 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
    • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Шаги. Шагов: 35
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 854 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
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 251 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 7 заголовков
    • +3Пошаговые инструкции: 35 пунктов
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)
    • +3Все 1 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 85.

    Внешние проверки

    ClawHub: suspicious
    This skill is mostly disclosed and purpose-related, but it should be reviewed because it handles live API credentials and can send them to an environment-controlled API host while also exposing broader review-management features than the variant-analysis name suggests.
    LLM: suspicious (high) · 3 сент. 2026 г.