SKILLEMALL.ai
EN Войти

BD linkfox-echotik-list-seller

Поиск и анализ данных магазинов (продавцов) на TikTok Shop. Фильтрует магазины по региону, категории, GMV за последние 30 дней, динамике продаж, времени размещения, местным/международным магазинам и другим критериям. Возвращает показатели: объем продаж, GMV, количество подписчиков, рейтинг, количество отзывов, процент положительных отзывов, процент доставки, процент ответа, количество инфлюенсеров, количество видео с продажами, количество прямых эфиров, количество товаров в магазине и т.д. Охватывает 16 площадок TikTok Shop. Триггерные фразы: «поиск магазинов TikTok», «анализ продавцов TikTok», «рейтинг магазинов TikTok», «объем продаж магазинов TikTok», «GMV магазинов TikTok», «магазины с продажами на TikTok», «данные магазинов EchoTik», «TikTok Shop seller search», «TikTok shop list», «TikTok seller analytics», «EchoTik seller», «TikTok store data». Применим, даже если пользователь не упоминает «EchoTik» или «TikTok» напрямую, но его запрос касается фильтрации или анализа показателей эффективности магазинов/продавцов на TikTok Shop по заданным условиям.

машинный переводПоказать оригиналСкрыть оригинал«搜索和分析TikTok Shop店铺（卖家）数据，按区域、类目、近30日GMV、销售趋势、上架时间、本土/跨境店铺等条件筛选店铺，返回销量、…»

搜索和分析TikTok Shop店铺（卖家）数据，按区域、类目、近30日GMV、销售趋势、上架时间、本土/跨境店铺等条件筛选店铺，返回销量、销售额(GMV)、粉丝数、评分、评价数、好评率、送达率、回复率、带货达人数、带货视频数、直播数、在店商品数等指标，覆盖16个TikTok Shop站点。当用户提到TikTok店铺搜索、TikTok卖家分析、TikTok Shop店铺排行、TikTok店铺销量、TikTok店铺GMV、TikTok带货店铺、EchoTik店铺数据、TikTok Shop seller search, TikTok shop list, TikTok seller analytics, EchoTik seller, TikTok store data时触发此技能。即使用户未明确提及"EchoTik"或"TikTok"，只要其需求涉及在TikTok Shop上按条件筛选或分析店铺/卖家表现指标，也应触发此技能。

ClawHub Agent Skills автор: linkfox-ai v1.0.2 MIT-0 6 файлов тело ≈ 2 361 токенов Открыть источникclawhub.ai↗ проанализирован 27 ч назад

Поиск и анализ данных магазинов (продавцов) на TikTok Shop.

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

ПроцедураМаркетингтип 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
B
89/100
безопасность, качество, тесты
Безопасность 60%
97
Качество 40%
78
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 · 3

✓ Критических и высоких находок нет

Средние и низкие: 3
  • низкая Опасные команды cmd-shell-rc references/onboarding.md:13
    Запись в файл автозагрузки shell (.bashrc / .zshrc / .profile) (в кавычках — упоминание, а не команда)
    - macOS zsh：`echo 'export LINKFOX_AGENT_API_KEY="<key>"' >> ~/.zshrc && source ~/.zshrc`
    в кавычках
  • низкая Опасные команды cmd-shell-rc references/onboarding.md:14
    Запись в файл автозагрузки shell (.bashrc / .zshrc / .profile) (определение детектора / чёрного списка)
    - Linux bash：`echo 'export LINKFOX_AGENT_API_KEY="<key>"' >> ~/.bashrc && source ~/.bashrc`
    детектор
  • низкая Секреты в коде secret-high-entropy-token scripts/onboarding.py:49
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    or "eyJh…iJ9")
    в кавычках

Просканировано файлов: 6. 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 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 (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 31
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2361 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 10. Похоже на несколько доменов в одном скилле
  • low Ответ описан самодельной разметкой (7 тегов): типизированный вызов надёжнее

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

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -31 из 2 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 2 примера фраз-триггеров в кавычках
  • +3Длина description 419 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 19 заголовков
  • +3Пошаговые инструкции: 31 пунктов
  • +4Есть примеры (4 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 78.

Внешние проверки

ClawHub: suspicious
This skill performs the advertised TikTok seller search, but it also includes broad account, credential, payment, automatic feedback, and persistent logging behavior that needs review before installation.
LLM: suspicious (high) · 14 авг. 2026 г.