AD amazon-selection-agent
Агент по подбору товаров Amazon, комплексный инструмент для подбора товаров для опытных продавцов на Amazon. Охватывает четыре модуля: сканирование рынка (распределение BSR/ценовые диапазоны/сезонность/концентрация) → анализ конкурентов (профили топ-20/болевые точки в отзывах/возможности для дифференциации) → расчет прибыли FBA (расходы/реклама/первая доставка/ROI) → поиск ключевых слов (объем поиска/длинные ключевые слова/рекомендации по PPC). Поддерживает два режима: Режим A «Исследование категории» — продавец не имеет четкой цели, сканирует рынок категории и рекомендует нишевые направления; Режим B «Глубокое исследование продукта» — продавец предоставляет ASIN/ключевое слово/ссылку для глубокого анализа + расчета прибыли + рекомендаций по принятию решений. Сценарии активации: подбор товаров на Amazon, исследование продуктов Amazon, расчет прибыли FBA, анализ конкурентов, возможности ключевых слов, анализ категорий, «помоги мне посмотреть эту категорию», «проанализируй этот продукт», «можно ли это сделать», «посчитай прибыль», «как насчет этого слова», «find products to sell on Amazon».
машинный переводПоказать оригиналСкрыть оригинал«Amazon 产品选品 Agent，面向有经验的亚马逊卖家的全链路选品工具。 覆盖四大模块：市场扫描（BSR分布/价格带/季节性/集中度）→…»
Amazon 产品选品 Agent，面向有经验的亚马逊卖家的全链路选品工具。 覆盖四大模块：市场扫描（BSR分布/价格带/季节性/集中度）→ 竞品拆解（Top20画像/评论痛点/差异化机会） → FBA利润测算（费用/广告/头程/ROI）→ 关键词挖掘（搜索量/长尾词/PPC参考）。 支持双模式：模式A「品类探索」——卖家无明确目标，扫描品类大盘推荐细分赛道； 模式B「产品深挖」——卖家提供 ASIN/关键词/链接，深度分析+利润测算+决策建议。 触发场景：亚马逊选品、Amazon product research、FBA利润计算、竞品分析、 关键词机会、类目分析、"帮我看看这个品类"、"分析这个产品"、"这个能不能做"、 "算一下利润"、"这个词怎么样"、"find products to sell on Amazon"。
Агент по подбору товаров Amazon, комплексный инструмент для подбора товаров для опытных продавцов на Amazon.
Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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: 5. 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")
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 (web), но во frontmatter они не объявлены
- 100Шаги. Шагов: 57
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1936 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
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 5 примера фраз-триггеров в кавычках
- +3Длина description 367 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 24 заголовков
- +3Пошаговые инструкции: 57 пунктов
- +4Есть примеры (7 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (3 из 3)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 81.