SKILLEMALL.ai

BC linkfox-product-title-analyze

Анализ токенов в заголовках продуктов для извлечения частоты слов, слов, связанных со сценариями, слов, связанных с аудиторией, и других атрибутов. Активируется, когда пользователь хочет проанализировать заголовки продуктов, извлечь высокочастотные слова из заголовков, выполнить токенизацию заголовков, найти слова, связанные со сценариями или аудиторией, сравнить использование ключевых слов в заголовках разных товаров, оптимизировать заголовки листингов на основе частоты слов, определить закономерности общих атрибутов в группе ASIN, выполнить токенизацию заголовков, анализ частоты слов, извлечение ключевых слов сценария, анализ ключевых слов аудитории, оптимизацию заголовков, извлечение ключевых слов атрибутов, частоту ключевых слов. Даже если пользователь явно не говорит "анализ заголовка", этот навык следует активировать, если его запрос включает разбиение заголовка продукта на значимые группы слов, подсчет частоты ключевых слов или группировку товаров по извлеченным атрибутам.

машинный переводПоказать оригиналСкрыть оригинал«对产品标题进行分词分析,提取词频、场景词、人群词、材质词等属性维度。当用户想分析产品标题、提取标题高频词、进行标题分词、发现场景词或人群词、…»

对产品标题进行分词分析,提取词频、场景词、人群词、材质词等属性维度。当用户想分析产品标题、提取标题高频词、进行标题分词、发现场景词或人群词、对比不同商品的标题关键词用法、基于词频优化Listing标题、识别一组ASIN中的常见属性规律、title tokenization, word frequency analysis, scene keyword extraction, audience keyword analysis, title optimization, attribute keyword extraction, keyword frequency时触发此技能。即使用户未明确说"标题分析",只要其需求涉及将产品标题拆解为有意义的词组、统计关键词频率或按提取的属性对商品分组,也应触发此技能。

ClawHub Agent Skills автор: linkfox-ai v1.0.6 MIT-0 6 файлов тело ≈ 1 912 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Анализ токенов в заголовках продуктов для извлечения частоты слов, слов, связанных со сценариями, слов, связанных с аудиторией, и других атрибутов.

Как процесс C 61/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, отчётность по ходу

АнализаторИнфраструктураМаркетингтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
97
Качество 40%
76
Прогон на моделях
не было
Процессный рейтинг
C
61/100
Есть пробелы
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
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 61/100

  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 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
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 60Ошибки и развилки. Развилок: 2
  • 100Шаги. Шагов: 21
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1912 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • 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

  • +5В description нет примеров фраз, по которым скилл должен срабатывать
  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • -31 из 2 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 355 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 17 заголовков
  • +3Пошаговые инструкции: 21 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (5 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.

Внешние проверки

ClawHub: suspicious
The skill performs title analysis, but it also bundles account login, SMS verification, API-key generation, billing, and payment-order flows that require careful review before installation.
LLM: suspicious (high) · 14 авг. 2026 г.