BF geekbi-temu-image-search-skill
Загружайте изображения товаров через JING Cloud и ищите визуально похожие товары на Temu. Поддерживает локальные изображения, вложения сеансов, URL-адреса изображений, Data URI, Base64 и стандартный ввод. Фильтрует кандидатов для поиска по изображению по сайту, ключевым словам, идентификатору надежной категории, продажам, обороту, цене, цене поставщика, количеству одинаковых товаров, рейтингу, времени размещения и другим условиям товара. Используется, когда пользователь упоминает поиск похожих товаров на Temu по изображению, загрузку изображений для поиска похожих товаров, поиск по фото, поиск по скриншоту, поиск товаров по изображению, визуальный поиск конкурентов, соответствие изображения товару, ценовой диапазон похожих товаров, объем продаж похожих товаров, поиск по изображению конкурентов или оценку возможностей выбора товара на основе изображения товара. Выводы формируются только на основе реальных результатов поиска по изображению, возвращенных JING Cloud.
машинный переводПоказать оригиналСкрыть оригинал«通过极鲸云上传商品图片并搜索 Temu 视觉相似商品，支持本地图片、会话附件、图片网址、Data URI、Base64 和标准输入，并按站点…»
通过极鲸云上传商品图片并搜索 Temu 视觉相似商品，支持本地图片、会话附件、图片网址、Data URI、Base64 和标准输入，并按站点、关键词、可信类目 ID、销量、销售额、价格、供货价、同款数、评分、上架时间等商品条件筛选图搜候选。用户提到 Temu 图搜同款、上传图片找同款、拍照搜款、截图搜款、以图搜货、视觉竞品、图片对应商品表现、同款价格带、同款销量、图搜竞争或根据商品图片判断选品机会时使用。只依据极鲸云真实返回的图搜结果形成结论。
Загружайте изображения товаров через JING Cloud и ищите визуально похожие товары на Temu.
Как процесс F 35/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: <linkUrl>
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
- 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: 11. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда") - предупреждение
missing-refссылка на отсутствующий файл: <linkUrl>
Процессный рейтинг: все десять параметров 35/100
- 0Инструменты и файлы. Не хватает 1 файла(ов): <linkUrl>
- 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
- 100Шаги. Шагов: 26
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 433 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
- -31 из 3 скриптов не упомянуты в SKILL.md
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 224 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 5 заголовков
- +3Пошаговые инструкции: 26 пунктов
- +4Справочные файлы упоминаются в инструкциях (3 из 3)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 63.