SKILLEMALL.ai

AC amazon-review-reveyes

Массовый сбор отзывов о товарах Amazon с помощью API Reveyes, поддержка 20 сайтов. Вывод полных данных об отзывах (со всеми полями) и глубокий анализ отрицательных отзывов от ИИ с точки зрения оператора трансграничной электронной коммерции, предоставление структурированных аналитических отчетов по качеству продукции, логистике и упаковке, точности листинга, обратной связи с клиентами, приоритетам улучшений. Используйте, когда: пользователь упоминает сбор отзывов, проверку отрицательных отзывов, анализ репутации конкурентов, предоставление данных об отзывах по номеру ASIN или операционного анализа. НЕ для: анализа уже собранных локальных файлов с отзывами или запроса цен/объемов продаж товаров Amazon.

машинный переводПоказать оригиналСкрыть оригинал«使用 Reveyes API 批量抓取亚马逊商品评论,支持 20 个站点。 输出完整评论数据(含所有字段),并由 AI 从跨境电商运营者视角…»

使用 Reveyes API 批量抓取亚马逊商品评论,支持 20 个站点。 输出完整评论数据(含所有字段),并由 AI 从跨境电商运营者视角深度分析差评, 提供产品质量、物流包装、Listing 准确性、客服反馈、改善优先级等结构化分析报告。 Use when: 用户提到抓评论、查差评、分析竞品口碑、给出 ASIN 编号需要评论数据或运营分析。 NOT for: 分析已经抓好的本地评论文件,或查询亚马逊商品价格/销量。

ClawHub Agent Skills автор: zhuojiuya v1.1.6 MIT-0 5 файлов тело ≈ 1 600 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Массовый сбор отзывов о товарах Amazon с помощью API Reveyes, поддержка 20 сайтов.

Как процесс C 53/100 · Есть пробелы — слабые места: входы и предусловия, ошибки и развилки, согласованность

ИнтеграцияИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
97/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
93
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Как улучшить

    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 · 0

    ✓ Критических и высоких находок нет

    Просканировано файлов: 5. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "requires"

    Процессный рейтинг: все десять параметров 53/100

    • 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
    • 40Согласованность. Имя во frontmatter (amazon-review-reveyes) не совпадает с папкой (reveyes-skill)
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 100Шаги. Шагов: 61
    • 100Стоимость исполнения. Тело инструкции 1600 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
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 211 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 16 заголовков
    • +3Пошаговые инструкции: 61 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (2 блоков кода)
    • +3Все 1 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 93.

    Внешние проверки

    ClawHub: clean
    This skill appears to be a purpose-aligned Amazon review API helper, but users should understand that their product and review queries go to an external provider and outputs may include public reviewer identifiers.
    LLM: benign (medium) · VirusTotal: · 29 мая 2026 г.