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。
该技能用于在亚马逊红海类目中识别有防御性的微细分市场，通过分析近期低评论但正常出单的产品，提取精准属性词，并探索相邻的差异化设计方向。它强调区分事实、估算、假设和未知项，默认只读，执行写操作前需核对授权，并避免捏造数据或复制竞品。技能包含一个安全的MCP研究客户端脚本，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措施。
该技能帮助卖家将现有 Amazon 产品重新定位到新的细分市场，通过分析产品本体、寻找未来场景、交叉搜索关键词、深挖相邻需求并比较新旧赛道，输出可复核的定位建议。它强调区分事实、估算、假设和未知项，默认只读，执行写操作前需核对授权，并安全地调用第三方 MCP 数据服务（SIF、SellerSprite、Apify）获取关键词、竞品和评论等代理证据。
该技能提供一套八道闸门的亚马逊选品审计流程，涵盖流量、运营难度、经济效率、差异化、时间周期、合规与IP、库存变体及最终决策。它强调基于真实证据进行判断，区分事实、估算、假设和未知项，并在证据不足时保持HOLD。技能包含一个MCP研究脚本，用于从SIF、SellerSprite和Apify等第三方服务获取数据，脚本设计注重安全，凭证仅从环境变量读取，拒绝在参数中传递敏感信息，并限制重定向和费用调用。
该技能用于筛选亚马逊冷门细分市场，通过多档销量、评论、价格和历史数据验证精准需求与竞争密度，并基于单位经济和库存边界评估付费流量盈利性。它强调区分事实、估算与假设，默认只读，写操作前核对授权，并避免捏造数据。技能可调用第三方 MCP 数据源（SIF、SellerSprite、Apify）获取关键词、竞品和评论等代理证据，但要求凭证仅从环境变量读取，不写入参数或输出，且对可能计费的工具调用需先展示计划并获得授权。最终输出三档筛选结果、广告盈利情景、相邻机会和首批库存建议，证据不足时给出 HOLD 结论。
该技能用于验证亚马逊利基市场中低评论新品是否仍有进入机会，通过分析近期新品队列、购买理由和市场友好度，区分事实与估算，并默认只读操作，涉及第三方 MCP 数据调用时需授权并脱敏处理。
该技能帮助工贸一体卖家将工厂的材料、工艺、产能等能力与低竞争亚马逊细分市场匹配，通过能力护照、关键词组合、赛道对比和样品验证等步骤形成可复核的商业判断，并集成第三方 MCP 数据源（SIF、SellerSprite、Apify）进行关键词与竞品研究。
该技能用于从亚马逊热销产品回溯其背后的需求驱动因素，通过分析销量、关键词、评论和外部事件，识别购买动因并扩展相邻市场机会。它强调区分事实、估算与假设，默认只读操作，涉及第三方数据调用时需授权并控制成本。
该技能以消费者可搜索的通用属性（材质、工艺、场景等）为入口，跨类目发现亚马逊选品机会，并通过盈利与竞争门槛收敛。它强调基于真实证据、区分事实/估算/假设，默认只读，写操作前核对授权，并内置了安全的第三方 MCP 数据调用脚本，凭证仅从环境变量读取，防止泄露。
该技能用于快速评估亚马逊产品候选的盈利潜力，通过精准关键词CPC、转化率区间和单位经济模型进行机会筛选。它指导用户收集证据、计算盈亏平衡点，并输出NO-GO/HOLD/深研建议。技能包含一个MCP研究脚本，用于从SIF、SellerSprite和Apify获取第三方数据，强调凭证安全、成本授权和证据留痕。
该技能指导用户从明确人群出发，通过场景旅程生成产品机会线，并利用第三方 MCP 数据（SIF、SellerSprite、Apify）验证需求。脚本严格从环境变量读取凭证，拒绝在参数或 URL 中传递密钥，默认只读，写操作需授权，并限制重定向和敏感字段。
该 Skill 用于治理 AI 辅助的亚马逊选品流程，将可自动化的证据收集与人工商业判断分离。它提供审计 AI 选品 Agent、设计人机协作流程、复核 AI 结论的方法论，并包含一个安全的 MCP 客户端脚本，用于从 SIF、SellerSprite 和 Apify 等第三方服务获取关键词、竞品和评论数据。脚本强调凭证仅从环境变量读取、默认只读、写操作需授权、费用需批准，并避免将第三方估算包装为事实。
该 Skill 用于 Amazon 选品与产品开发，通过证据卡验证市场机会、运营工具和关键词体系，形成进入、有限验证或暂缓的判断。它强调区分事实与估算，不捏造数据，并支持通过 MCP 客户端调用第三方数据源（SIF、SellerSprite、Apify）获取关键词、竞品和评论等证据。脚本从环境变量读取凭证，拒绝在参数中传递敏感信息，执行前需授权并支持 dry-run，结果保存到私有目录。
该技能用于设计并诊断亚马逊低竞价广告发现实验，通过受控的低价测试寻找可盈利流量和最低有效竞价，并基于真实数据生成可复核的方案。它强调不直接修改广告，需先获取必要数据并区分事实、估算和假设，执行写操作前核对授权。技能包含一个MCP研究脚本，用于从第三方提供商获取市场数据，但严格限制凭证仅从环境变量读取，并防止敏感信息泄露。
该技能帮助优化亚马逊商品在对话式购物助手（如 Rufus、Alexa）中的可发现性，通过完善结构化属性、真实使用场景和证据支持的内容。它强调不虚构评论或问答，所有声明需有事实依据，并谨慎使用第三方 MCP 数据服务（SIF、SellerSprite、Apify）进行市场研究，确保凭证安全、成本可控和结果脱敏。
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 Skill 用于 Amazon 选品与产品开发，聚焦差异化、类目与节点、市场机会，通过证据卡验证购买需求、直接竞争、差异化和单位经济，形成进入、有限验证或暂缓的有据判断。它提供工作流、证据台账和质量检查，并可选调用第三方 MCP 数据（SIF、SellerSprite、Apify）补充关键词、竞品或评论证据，强调凭证仅从环境变量注入、调用前需授权和费用审批、结果保存到私有目录。
该技能用于 Amazon 选品与产品开发，聚焦现金流、利润模型和供应链，通过证据卡验证市场需求、竞争、差异化和单位经济，形成进入、有限验证或暂缓的判断。它强调区分事实、估算、假设和未知项，不捏造数据，并支持通过第三方 MCP 数据源（SIF、SellerSprite、Apify）补充证据，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 跨境经营复盘，聚焦市场机会、卖家精灵和自动广告，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、场景模式和执行手册，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，强调凭证仅从环境变量读取、拒绝敏感参数、限制重定向和费用授权。
该 Skill 用于 Amazon 跨境经营复盘，聚焦类目与节点、五点描述、变体关系等主题。它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，并输出经验假设卡、适用边界、验证计划、风险与反例及复盘结论。Skill 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明确授权。可选地，它通过一个安全的 MCP 客户端脚本从 SIF、SellerSprite 和 Apify 获取第三方数据，该脚本仅从环境变量读取凭证，拒绝在参数中传递敏感信息，要求 dry-run 和费用授权，并防止重定向泄露凭证。
该 Skill 用于 Amazon 精铺（低库存多产品）模式的候选品快速筛选，通过需求时机、市场深度、差异化切片、运营难度、保守销量与库存风险等维度进行证据化诊断与方案草案生成。它强调第三方数据仅作估算、需交叉验证，并区分诊断、草案、执行准备与已批准执行等任务模式。可选地，它可通过脚本调用 SIF、SellerSprite 和 Apify 的 MCP 服务获取市场数据，但要求凭证仅从环境变量读取、调用前需授权并控制成本。
该 Skill 用于设计亚马逊精铺组合经营方案，通过证据化诊断、单变量实验和风险控制来管理多 SKU 小批量选品与运营。它强调以官方政策为准，第三方数据仅作估算，并限制广告和库存风险。可调用第三方 MCP 数据服务（SIF、SellerSprite、Apify）获取趋势和关键词等市场信息，但要求严格审批和成本控制。
该 Skill 用于 Amazon 季节性细分选品，通过证据化诊断、方案与单变量验证，筛选需求窗口、差异化切片、低评论竞争、保守备货和运营跟进均对齐的利基市场。它提供工作流、第三方 MCP 数据调用（SIF、SellerSprite、Apify）和输出检查，强调数据充分性、授权边界与成本控制。
该技能用于在亚马逊竞争激烈的类目中寻找可防御的细分市场机会，通过结合差异化产品切片、低评论销量表现、广告效率代理和证据质量检查。它提供诊断、方案草案、执行准备和已批准执行等模式，并强调数据边界、合规性和证据分级。技能包含一个用于查询第三方 MCP 数据（SIF、SellerSprite、Apify）的 Python 脚本，该脚本从环境变量读取凭证，拒绝在参数中传递敏感信息，并支持 dry-run 和成本审批流程。
This skill provides an evidence-based framework for assessing Amazon boutique business models, covering demand differentiation, pricing, market saturation, capital turnover, and risk controls. It includes a Python MCP client for optional third-party data research (SIF, SellerSprite, Apify) with strict credential handling, schema validation, and cost approval gates. The skill emphasizes diagnostics over execution, requires explicit user authorization for any writes, and clearly separates facts, e
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。
