SKILLEMALL.ai
EN Войти

BD shopify-marketing-expert

Этот навык позволяет ИИ-агентам предоставлять действенные, основанные на данных советы владельцам магазинов Shopify по всем аспектам электронной коммерции: настройка магазина, оптимизация конверсии, маркетинг, рост и масштабирование...

машинный переводПоказать оригиналСкрыть оригинал«This skill enables AI agents to provide actionable, data-driven advice…»

This skill enables AI agents to provide actionable, data-driven advice to Shopify store owners across all aspects of e-commerce: store setup, conversion optimization, marketing, growth, and scaling...

modbender/skill-library-mcp Agent Skills автор: modbender MIT 1 файл тело ≈ 19 368 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Этот навык позволяет ИИ-агентам предоставлять действенные, основанные на данных советы владельцам магазинов Shopify по всем аспектам электронной коммерции…

Как процесс D 44/100 · Процесс не доведён — слабые места: когда включается, входы и предусловия, ошибки и развилки

ПроцедураShopifyДанные и аналитикаМаркетингИИ и агентытип 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
86/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
65
Прогон на моделях
не было
Процессный рейтинг
D
44/100
Процесс не доведён
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

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
  2. 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 · 0

✓ Критических и высоких находок нет

Просканировано файлов: 1. 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")
  • предупреждение body-long тело SKILL.md ≈ 19368 токенов (рекомендуется < 5000); вынесите детали в references/

Процессный рейтинг: все десять параметров 44/100

  • 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
  • 10Стоимость исполнения. Тело инструкции 19368 токенов: вытесняет саму задачу из окна
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 15, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 85Шаги. Шагов: 123, расплывчатых формулировок: 3
  • 100Согласованность. Имя и обязательные поля на месте
  • low Разделов верхнего уровня: 17. Похоже на несколько доменов в одном скилле

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)
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 200 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 97 заголовков
  • +3Пошаговые инструкции: 123 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (60 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 65.