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。
该技能用于指导 Amazon 广告的预算、竞价与调整节奏决策，涵盖加预算还是加竞价、调整频率的数据判据、分时调价与广告位倍率、自动广告竞价分档以及广告依赖度测试。它强调基于数据充分性和归因窗口做判断，要求区分事实、估算、假设与未知项，写操作前展示影响并等待授权，并保留回退与停止条件。
该技能用于将亚马逊广告中表现良好的客户搜索词从广泛、词组或自动匹配迁移到精准匹配，同时检查重叠、经济性、否定词和样本质量。它强调区分后台关键词与实际搜索词，要求数据证据完整，默认只读，写入操作需明确授权，并提供诊断和草案。
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。
该技能用于在大型购物活动（如 Prime Day、黑五）前准备亚马逊广告，通过倒排日历、商品分层、库存与优惠核对、关键词和预算管理，以及活动后恢复方案，确保广告就绪并控制风险。它强调区分事实与估算、默认只读、写操作需明确批准，并记录证据与回退条件。
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。
该Skill用于Amazon广告诊断与实验，聚焦AI工作流、图片与视频、站外流量等主题，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、异常数据表和单变量实验卡。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SIF、SellerSprite和Apify等第三方数据服务。
该 Skill 用于 Amazon 广告诊断与实验，聚焦季节性、利润模型和差异化。它通过诊断树、异常数据表和单变量实验卡，区分流量、零售承接和经济性问题，并形成有样本依据的调整建议。Skill 强调证据分级，优先使用用户数据和 Amazon 一方报告，仅在必要时通过 MCP 客户端调用第三方数据提供商（SIF、SellerSprite、Apify），且要求凭证通过环境变量注入、调用前进行 schema 校验和成本授权。所有写操作需先展示影响并获得明确批准。
该 Skill 用于 Amazon 广告诊断与实验，聚焦政策变化、点击表现和运营工具，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。它强调只读处理、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、竞品或评论证据，凭证仅通过环境变量注入，结果保存到任务私有目录。
该技能用于在盈利边界内运营亚马逊广告，通过小型广告结构寻找每个SKU的盈利流量区间，并管理SKU的放大、维持、降级或停投。它强调使用真实证据、区分事实与估算，并默认只读，执行写操作前需获得明确授权。技能包含一个MCP研究脚本，用于安全地调用SIF、SellerSprite和Apify等第三方数据服务，凭证仅从环境变量读取，并实施多项安全措施防止凭证泄露和未授权操作。
该技能用于为亚马逊新品广告创建受控的启动计划，强调关键词与 Listing 的相关性、转化证据和预算护栏，避免依赖未经证实的权重公式。它提供工作流、启发式参考和证据台账，并包含一个安全的 MCP 客户端脚本，用于从 SIF、SellerSprite 和 Apify 获取第三方数据，凭证仅从环境变量读取，且对敏感参数和重定向有防护。
该 Skill 用于通过比较竞品广告覆盖与销量代理指标，评估亚马逊细分市场的广告效率，并识别低评论产品能否依靠少量精准流量正常出单。它强调使用第三方 MCP 数据时需遵循安全边界，凭证仅从环境变量读取，不写入参数或输出，且对可能计费的操作要求显式授权。
该 Skill 用于 Amazon 广告诊断与实验，聚焦 ROAS、政策变化和 ACOS，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、不捏造数据，并在执行写操作前要求明确授权。可选集成第三方 MCP 数据源（SIF、SellerSprite、Apify）以补充证据，但需通过环境变量注入凭证并遵循严格的审批流程。
该技能用于Amazon广告诊断与实验，聚焦否定投放、搜索词分析和手动广告。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。技能包含可选的第三方MCP数据查询脚本，用于在用户数据不足时补充关键词、竞品等证据，但要求凭证通过环境变量注入、调用前需授权并记录证据。
该 Skill 用于 Amazon 广告诊断与实验，聚焦高客单价、利润模型和成本结构。它提供诊断树、异常数据表和单变量实验卡等分析框架，并强调区分事实、估算、假设和未知项，所有写操作需用户明确授权。可选集成第三方 MCP 数据源（SIF、SellerSprite、Apify）以补充关键词、竞品等证据，但仅在用户数据不足时使用，且凭证通过环境变量注入，结果保存在私有目录。
该 Skill 用于 Amazon 广告诊断与实验，聚焦竞价策略、卖家精灵和关键词排名，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。它提供诊断树、异常数据表和单变量实验卡等输出，并强调使用用户数据或 Amazon 一方报告优先，仅在必要时通过 MCP 客户端调用第三方数据（SIF、SellerSprite、Apify），且要求凭证仅从环境变量注入、禁止在参数或 URL 中携带密钥、调用前需 dry-run 和授权确认。
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。
