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。
该技能用于规划合规的亚马逊长期变体路线图，通过真实且有独立需求的子体扩展产品线，并区分事实、估算、假设和未知项。它提供工作流、证据台账和第三方MCP数据查询脚本，强调只读默认、写操作前核对授权、凭证仅从环境变量读取，并避免捏造数据或操纵评论。
该技能用于在亚马逊产品上市前，结合头部链接与细分市场两种口径交叉估算转化率，并判断保本转化率是否现实。它要求区分事实、估算、假设与未知项，默认只读，执行写操作前需核对授权。技能提供单位经济计算、单ASIN与市场CVR区间估算、保本敏感性矩阵及GO/HOLD/NO-GO决策框架，并强调不捏造数据、不将销量与点击比值当作真实转化率。外部数据通过MCP客户端获取，凭证仅从环境变量读取，支持SIF、SellerSprite和Apify等提供商。
该技能用于按固定顺序诊断亚马逊商品转化率低的问题：先检查商品与详情页承接能力，再分析广告流量质量，最后评估产品竞争力和市场天花板。它强调基于真实证据（区分事实、估算、假设和未知），默认只读，执行写操作前需核对授权，并避免用调竞价掩盖根因。技能包含一个安全的 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，并实施多项安全防护（如拒绝重定向、敏感参数过滤、成本授权检查等）。
该 Skill 用于 Amazon Listing 与页面操作，聚焦卖家精灵、新品启动和市场机会。它提供证据卡、执行手册和只读预检流程，强调区分事实与估算、不捏造数据，并在写入前要求授权。可选地通过 MCP 客户端调用 SIF、SellerSprite 和 Apify 获取第三方数据，凭证从环境变量读取，脚本包含多项安全防护（如拒绝重定向、脱敏、敏感参数拦截、dry-run 和费用授权检查）。
该 Skill 用于 Amazon Listing 与页面操作，聚焦搜索词分析、差异化、关键词排名等任务。它提供工作流、证据卡和第三方 MCP 数据调用脚本，强调只读预检、授权审批、数据脱敏和结果核验，不捏造数据，并限制凭证仅通过环境变量注入。
该技能用于 Amazon Listing 与页面操作，聚焦评价与口碑、五点描述和转化率。它提供工作流、证据卡和第三方 MCP 数据调用脚本，强调只读预检、授权审批、数据脱敏和证据留痕，不执行未授权的写操作。
该 Skill 用于处理 Amazon Listing 与页面操作，聚焦尺寸重量、变体关系、品牌与备案等维度。它提供证据卡、执行手册和第三方 MCP 数据调用脚本，强调只读预检、授权审批、证据留痕和脱敏处理，不捏造数据，不自动执行写操作。
该 Skill 用于分析 Amazon 客户反馈与转化改进，聚焦图片与视频、运营工具和 A+ 页面。它从评论、退货和客服证据中定位购买障碍，形成产品或页面改进的优先级和验证计划。Skill 强调数据合规、去标识化、不捏造数据，并区分事实、估算和假设。它包含一个可选的第三方 MCP 数据客户端脚本，用于从 SIF、SellerSprite 和 Apify 获取关键词、竞品等补充数据，但要求凭证通过环境变量注入、执行前进行 schema 校验和成本授权，并避免敏感信息泄露。
该技能用于Amazon品牌、内容与增长分析，聚焦类目与节点、标题、转化率等主题，提供证据卡、工作流和第三方MCP数据查询脚本，帮助生成创意简报和增长计划。
该技能用于设计亚马逊合法父子变体广告架构，包括选择主推子体、按属性分配关键词、隔离广告预算与职责，并监控库存和效果。它强调数据真实性、授权边界和第三方 MCP 数据的安全调用，不执行未经批准的写操作。
该技能用于诊断亚马逊新品无法起量的原因，通过分离可售性、流量相关性、点击率、转化率、经济性和反馈质量等漏斗环节，找出承接短板并制定合规的转化与广告优化方案。它强调基于真实证据而非虚假评论或操纵手段，并集成了对第三方 MCP 数据源（SIF、SellerSprite、Apify）的安全调用流程，要求凭证仅从环境变量读取、调用前需授权并记录证据。
This skill helps evaluate and improve low-price, high-CPC Amazon products by analyzing break-even economics, legitimate bundles or multipacks, long-tail traffic, low-bid discovery, creator channels, and original video ads. It guides users through establishing economic baselines, assessing price-point increases, restructuring search budgets, comparing alternative channels, testing original creatives, and making portfolio decisions. It emphasizes respecting variation, IP, and creator-program rules
该 Skill 用于 Amazon FBM、发货与入库、图片与视频相关的选品与产品开发分析，强调证据驱动、区分事实与估算、明确未知项，并要求写操作前展示影响并等待授权。包含工作流、证据台账、质量检查和专项证据卡，不涉及外部链接或敏感操作。
该技能用于处理 Amazon 新品启动、市场机会和季节性相关的 Listing 与页面操作，通过证据卡定位页面与字段问题，生成有产品事实支撑的修改草案、只读预检和结果核验计划。它强调区分事实、估算、假设和未知项，任何写操作需先展示影响并等待明确批准。技能包含一个 Python 脚本，用于安全地调用 SIF、SellerSprite 和 Apify 的 MCP 服务，凭证仅从环境变量读取，并实施严格的参数校验、敏感信息拒绝、重定向拦截和费用授权检查。
该技能用于处理 Amazon Listing 与页面操作任务，聚焦五点描述、标题和 AI 工作流。它提供证据卡、场景模式和操作手册，帮助定位页面与字段问题，形成有产品事实支撑的修改草案、只读预检和结果核验计划。技能强调不捏造数据、区分事实与估算、写入前需授权，并可通过可选的第三方 MCP 数据源（SIF、SellerSprite、Apify）补充关键词、竞品等证据，但要求凭证通过环境变量注入且调用前需审核费用。
该技能用于 Amazon 品牌、内容与增长相关的分析与规划，涵盖品牌备案、图片视频、类目节点等主题。它提供证据卡、执行手册和场景模式，并包含一个可选的 MCP 数据研究脚本，用于从第三方服务获取关键词、竞品等数据。技能强调区分事实与估算、不捏造数据、写操作需授权，并将凭证通过环境变量注入。
该技能用于规划合规的亚马逊断货后流量恢复方案，通过证据化诊断区分自然曝光、关联流量、广告与受众变化，分阶段恢复精准流量并仅在转化稳定后扩展，强调不刷单、不购买评论、不抓取邮箱，输出诊断、重启清单、恢复阶梯与合规边界。
该 Skill 用于提升亚马逊产品转化率，通过挖掘真实客户语言、重新定位产品优势，并优化图片、标题、要点和广告流量，在受控实验中验证效果。它提供诊断、方案草案、执行准备和已批准执行四种模式，强调证据驱动、数据充分性检查和实验护栏。可选用第三方 MCP 数据（SIF、SellerSprite、Apify）获取竞品评论和关键词，但要求凭证仅从环境变量读取，并严格限制费用和授权范围。
该 Skill 用于诊断亚马逊商品转化率低的问题，通过对比同类竞品、市场难度、价格价值匹配、视觉差异化、关键词精准度和广告位置等因素，提供证据驱动的诊断和单变量改进实验方案。它强调先产品后广告的诊断顺序，要求区分事实、估算、假设和未知，并在执行任何线上变更前获得用户明确授权。该 Skill 可调用第三方 MCP 数据服务（SIF、SellerSprite、Apify）获取竞品和关键词数据，但严格限制凭证仅从环境变量读取，并强制成本审批和输出文件权限控制。
该 Skill 提供 Amazon 广告扩量的证据化诊断与方案框架，强调在转化质量、点击速度、预算连续性、库存和利润贡献达标后才逐步扩量。它要求区分诊断、草案、执行准备和已批准执行四种模式，默认只做诊断，不擅自修改线上对象。输出包含扩量资格、点击速度诊断、预算实验、止损条件、数据范围与假设，并将结论分为 FACT/ESTIMATE/HYPOTHESIS/UNKNOWN。
该技能提供了一套基于证据的亚马逊Listing编写工作流，包括关键词清洗、广告词筛选、Listing字段草拟和事实审计。它强调不虚构信息、区分事实与估算，并支持通过MCP工具获取第三方关键词和竞品数据，但要求严格的安全和授权控制。
该技能用于创建基于证据的亚马逊商品图片和A+内容简报，强调保持产品真实外观和合规性。它提供诊断、方案草案、执行准备和已批准执行等模式，并包含一个用于访问第三方MCP数据（如SIF、SellerSprite、Apify）的Python脚本，该脚本注重安全，从环境变量读取凭证，拒绝在参数中传递敏感信息，并防止重定向泄露凭证。
该 Skill 用于诊断 Amazon 广告转化率下降、持续偏弱或波动的问题，通过区分广告位扩展、价格价值匹配、关键词相关性、产品页面差异和市场事件等因素，提供证据驱动的诊断和单变量实验方案。它强调使用 Amazon 官方数据和用户自有数据，仅在必要时通过第三方 MCP 工具（SIF、SellerSprite、Apify）补充关键词、竞品排名和市场价格等代理证据，并严格限制凭证处理、费用授权和写入操作。
该技能用于规划、审核和测试亚马逊商品推广视频广告（SPV），包括资格确认、素材简报、政策审查、竞价计算和实验设计，强调需用户批准才能上线。
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。
