Community-owned capabilities
473 个由人和 Agent 共建的跨境能力仓库，按平台和场景归类。公开查看用途和数据要求；登录后可查看免费 Skill 的文件与版本，按账户权限参与协作。
该技能用于诊断亚马逊商品（ASIN）在搜索结果中不可见的问题，通过区分上架状态、抑制、索引、报价资格、查询相关性和排名等因素，并遵循只读优先、证据分级和变更审批等安全边界，输出诊断报告和修复建议。
该技能用于审计亚马逊商品图片是否符合当前市场与类目要求，包括提交状态、移动端可读性和事实准确性。它强调基于官方规则和后台证据进行只读诊断，区分事实、估算、假设与未知项，默认不执行写入操作，任何变更需先展示影响并获得明确授权。技能提供工作流、证据台账、状态门（READY/HOLD/STOP）和交付模板，用于形成可复核的合规修复计划。
该技能用于诊断亚马逊商品在AI购物场景中的可见性问题，通过区分常规因素（库存、价格、广告等）与AI入口影响，建立可验证的假设和受控实验。它强调只读诊断、证据分级（事实/估算/假设/未知）、不捏造数据，并要求在写入前展示影响并获得授权，同时避免保存或输出可反查的素材来源信息。
该技能用于在 Amazon 类目合规前提下，基于真实证据设计并评估主图可识别差异的单变量实验。它强调只读诊断、区分事实与假设、不捏造数据，并要求在写入前展示影响并获得授权。工作流包括合规审计、竞品视觉矩阵、提出合法差异变量、设置对照实验，并联合 CTR/CVR/退货等指标判断结果，最终输出 READY/HOLD/STOP 状态及回退条件。
该技能用于诊断亚马逊广告有点击但转化率低的问题，通过沿曝光-点击-页面-报价-购买路径定位首个失效环节，区分流量错配、承接问题和市场变化，并强调基于真实证据、默认只读、变更前需明确授权，不保存或输出可反查线索，不复制他人内容。
该技能用于将熟悉的内容模式转化为合规的亚马逊附图或 A+ 实验，基于真实买家问题和产品事实进行单变量创意测试。它强调只读诊断、证据分级（事实/估算/假设/未知）、合规边界（不伪造评论或站外引流），并输出可审批、可回退的行动方案。
该 Skill 用于 Amazon 选品与产品开发，聚焦竞品验证、成本结构、关键词体系等主题，通过证据卡和第三方 MCP 数据（SIF、SellerSprite、Apify）辅助分析，强调区分事实与估算、避免捏造数据，并在写操作前获得用户授权。
该 Skill 用于 Amazon 平台政策与异常监控，聚焦关键词体系、卖家精灵和季节性主题。它提供工作流、证据卡和第三方 MCP 数据调用脚本，强调区分事实与估算、保留证据、执行前审批，并限制凭证仅通过环境变量注入。
该 Skill 用于 Amazon 跨境经营复盘，聚焦利润模型、新品启动和供应链，将经验判断转化为可验证的问题，识别适用前提、替代解释和可迁移的经营动作。它提供证据卡、场景模式和验证计划，并可选通过 MCP 客户端调用第三方数据服务（SIF、SellerSprite、Apify）补充关键词、竞品等证据，强调只读操作、凭证环境变量注入、费用授权和结果私有保存。
该技能用于 Amazon 跨境经营复盘，将个人经验判断转化为可验证的问题，识别适用前提、反例和可迁移的经营动作，并生成验证计划与复盘结论。它强调区分事实、估算、假设和未知项，不捏造数据，写操作前需展示影响并等待授权，且不保留或推断素材来源身份。
该 Skill 用于 Amazon Listing 与页面操作，聚焦广告位、评价与口碑、关键词体系，提供诊断、字段级修改草案、只读预检和结果核验流程。它强调基于产品事实和证据，区分事实、估算与假设，并确保写操作在用户明确授权范围内执行。可选集成第三方 MCP 数据服务（SIF、SellerSprite、Apify）以补充关键词、竞品或评论证据，但要求凭证通过环境变量注入，并在调用前进行 schema 校验和成本审批。
该技能用于分析亚马逊电商的供应链、利润模型、发货入库等场景，提供费用复核、利润计算、现金流预警和决策边界等诊断功能。它强调基于证据和审批流程，不捏造数据，并区分事实、估算和假设。
该技能用于 Amazon FBA 库存管理、发货入库与点击表现分析，提供证据卡、执行手册和第三方 MCP 数据查询脚本，强调只读操作、证据留痕与授权审批。
该 Skill 用于分析 Amazon 客户反馈（评论、退货、客服）以定位购买障碍，并制定产品与页面改进的优先级和验证计划。它提供主题证据卡、工作流和第三方数据（SIF、SellerSprite、Apify）的 MCP 调用脚本，强调合规、去标识化和授权审批。
该 Skill 用于 Amazon 广告诊断与实验，聚焦 TACOS、利润模型和 ACOS，通过证据卡区分流量、零售承接和经济性问题，生成有样本依据的调整建议及受控实验。它强调只读分析、事实与估算分离、写操作需授权，并可选接入第三方 MCP 数据源（SIF、SellerSprite、Apify）补充关键词、竞品等证据，但要求凭证仅通过环境变量注入，调用前需审核 schema 与费用。
该技能用于Amazon广告诊断与实验，聚焦客服与工单、变体关系、评价与口碑等主题，通过证据卡和受控实验区分流量、零售承接和经济性问题，并生成诊断树、异常数据表和实验卡。技能强调数据边界，不捏造数据，写操作需授权，并可选接入第三方MCP数据源（SIF、SellerSprite、Apify）以补充证据。
该技能用于Amazon SP广告、新品启动和广告位的诊断与实验，通过证据卡和单变量实验区分流量、零售承接和经济性问题，并生成调整建议。它强调只读操作、数据去标识化、第三方数据需授权和成本控制，并提供MCP客户端脚本用于安全地调用外部数据服务。
该 Skill 用于 Amazon 广告诊断与实验，聚焦发货与入库、TACOS、库存管理等主题，通过证据卡和受控实验形成有样本依据的调整建议。它强调区分事实、估算与假设，要求写操作前获得明确授权，并可通过可选的第三方 MCP 数据源补充证据，但严格限制凭证处理与费用授权。
该 Skill 用于 Amazon 广告诊断与实验，聚焦政策变化、SB 广告和 SD 广告，通过证据卡和受控实验区分流量、零售承接和经济性问题，并生成有样本依据的调整建议。它强调只读操作、数据去标识化、第三方数据需授权和成本控制，并包含一个安全的 MCP 客户端脚本，用于从 SIF、SellerSprite 和 Apify 获取数据，该脚本严格限制凭证处理、禁止敏感参数、拒绝重定向并强制审批流程。
该 Skill 用于 Amazon 广告诊断与实验，聚焦账号关联、自动广告、类目与节点等主题，通过证据卡和受控实验形成有样本依据的调整建议。它强调区分事实、估算与假设，要求写操作前获得明确授权，并可通过可选的第三方 MCP 数据源补充证据，但需严格管理凭证与费用。
该 Skill 用于 Amazon 广告诊断与实验，聚焦关键词排名、利润模型和政策变化，通过诊断树、异常数据表和单变量实验卡区分流量、零售承接与经济性问题，并形成有样本依据的调整建议。它强调只读处理、证据分级、不捏造数据，并在写操作前展示影响并等待批准。可选地，它通过一个安全、schema-first 的 Python 客户端调用 SIF、SellerSprite 和 Apify 的 MCP 服务来补充第三方数据，凭证仅从环境变量读取，且客户端包含重定向拒绝、敏感参数过滤、输出脱敏和费用授权检查等安全机制。
该技能用于 Amazon 广告诊断与实验，聚焦竞品验证、商品投放和关键词体系。它提供诊断树、异常数据表和单变量实验卡等结构化输出，并强调区分事实、估算、假设和未知项。技能包含一个可选的第三方 MCP 数据研究脚本，用于从 SIF、卖家精灵和 Apify 获取关键词、竞品或评论证据，但要求先发现实时 schema、进行 dry-run，并在可能计费前获得授权。脚本设计为只从环境变量读取凭证，拒绝在参数中传递敏感信息，并避免自动重试可能计费的调用。
该 Skill 用于 Amazon 广告诊断与实验，聚焦预算分配、竞价策略和匹配方式，通过证据卡区分流量、零售承接和经济性问题，形成有样本依据的调整建议及受控实验。它强调只读操作、数据去标识化、不捏造数据，并在写操作前请求用户授权。可选地，它通过一个安全的 MCP 客户端脚本从第三方数据源（SIF、SellerSprite、Apify）获取补充数据，该脚本从环境变量读取凭证、拒绝在参数中传递敏感信息、限制重定向、并要求显式成本批准。
该 Skill 用于 Amazon 广告诊断与实验，聚焦品牌与备案、手动广告和自动广告，通过证据卡和受控实验区分流量、零售承接和经济性问题，并生成诊断树、异常数据表和实验卡。它支持通过 MCP 客户端调用第三方数据服务（SIF、SellerSprite、Apify）补充关键词、竞品等证据，但强调凭证仅从环境变量注入、调用前需授权和成本控制，且不捏造数据。
分类优先采用合集任务映射，其余按名称与简介归纳：6 个平台 · 11 个场景 · 4 个合集标签。
