SKILLEMALL.ai
EN Войти

BD amazon-product-explorer

Используйте, когда: пользователь спрашивает "что мне продавать" / "найди нишу с голубым океаном" / "стоит ли категория X входа" / "я хочу запустить новый продукт в Y" / "从 0 到 1 选品" / "新品立项". Охватывает: GTM scouting SOP — внешний спрос → фильтр ниши → эталонные продукты → анализ болевых точек → проверка IP → окончательный отчет о готовности. НЕ для: ежедневного мониторинга или отслеживания рангов (используйте amazon-daily-competitor-radar) / написания описаний листингов (используйте amazon-listing-optimization) / поиска по одному ASIN (вызывайте get_amazon_product напрямую).

машинный переводПоказать оригиналСкрыть оригинал«Use when: user asks "what should I sell" / "find a blue-ocean niche" /…»

Use when: user asks "what should I sell" / "find a blue-ocean niche" / "is X category worth entering" / "I want to launch a new product in Y" / "从 0 到 1 选品" / "新品立项". Covers: GTM scouting SOP — external demand → niche filter → benchmark products → review pain mining → IP clearance → final go/no-go report. NOT for: daily monitoring or rank tracking (use amazon-daily-competitor-radar) / writing Listing copy (use amazon-listing-optimization) / single ASIN lookup (call get_amazon_product directly).

ClawHub Agent Skills автор: Pangolinfo v4.0.0 MIT-0 2 файла тело ≈ 5 453 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Используйте, когда: пользователь спрашивает "что мне продавать" / "найди нишу с голубым океаном" / "стоит ли категория X входа" / "я хочу запустить новый…

Как процесс D 48/100 · Процесс не доведён — слабые места: результат и критерий готовности, входы и предусловия, согласованность

АнализаторИнфраструктураДанные 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
B
89/100
безопасность, качество, тесты
Безопасность 60%
97
Качество 40%
78
Прогон на моделях
не было
Процессный рейтинг
D
48/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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 Секреты в коде secret-high-entropy-token SKILL.md:86
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    "top5…Max": 0.40,
    в кавычках
  • низкая Секреты в коде secret-high-entropy-token SKILL.md:513
    Строка, похожая на токен (может быть id, хеш или секрет) (строка таблицы в документации)
    | `top5…max` | `top5…Max`（products 不是 brands）|
    таблица
  • низкая Секреты в коде secret-high-entropy-token SKILL.md:563
    Строка, похожая на токен (может быть id, хеш или секрет) (строка таблицы в документации)
    | filter_niches 入参 | 传 `categoryId` | 只认 `nicheId`/`nicheTitle`;0-1 小数字段(`top5…Max`/`retu…Max`)别传整数 |
    таблица

Просканировано файлов: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение body-long тело SKILL.md ≈ 5453 токенов (рекомендуется < 5000); вынесите детали в references/
  • заметка frontmatter-key неизвестное поле фронтматтера "mcp_tools_used"
  • заметка frontmatter-key неизвестное поле фронтматтера "applies_to"
  • заметка frontmatter-key неизвестное поле фронтматтера "budget"

Процессный рейтинг: все десять параметров 48/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 40Согласованность. Имя во frontmatter (amazon-product-explorer) не совпадает с папкой (pangolinfo-amazon-product-explorer)
  • 50Когда включается. Не сказано, при каком запросе скилл включается
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
  • 70Стоимость исполнения. Тело инструкции 5453 токенов
  • 100Шаги. Шагов: 89
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 18. Похоже на несколько доменов в одном скилле
  • low Ответ описан самодельной разметкой (5 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

  • +3Формат ответа не описан: модель каждый раз решает сама
  • -244 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 5 примера фраз-триггеров в кавычках
  • +4Описание говорит, когда скилл НЕ применять
  • +3Длина description 499 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 46 заголовков
  • +3Пошаговые инструкции: 89 пунктов
  • +4Есть примеры (14 блоков кода)

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

Внешние проверки

ClawHub: clean
This skill is a disclosed Amazon product-research workflow that uses Pangolinfo tools and an API key in a purpose-aligned way.
LLM: benign (high) · VirusTotal: · 20 авг. 2026 г.