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。
该技能用于审计 Amazon Sponsored Products 广告结构，按目标、搜索词证据和单位经济性对广告活动进行分类，并输出可复核的优化草案。它强调只读诊断、区分事实与假设、不捏造数据，并在写入前请求授权。
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。
该技能用于在广告预算有限时，对大型 Amazon ASIN 商品组合进行分诊，将其划分为保护、证明、修复、收割/清货或退出等类别，并基于贡献、证据、成熟度、库存和战略价值进行预算分配。它强调数据完整性、区分事实与假设、默认只读操作，并要求在写入前获得明确授权，同时保留完整历史记录以避免通过重建活动掩盖问题。
审查 Amazon Marketing Cloud SQL 查询，从业务问题反推事件粒度和输出，检查连接放大、重复计数、时间/归因口径和聚合阈值，确保结果可解释且隐私安全。
该技能用于在亚马逊关键词自然排名稳定后，通过小步递减广告竞价或预算来测试付费广告的增量效果，同时监控总点击、订单、利润和自然位置，并设有停止线与回退机制。它强调基于真实产品与买家证据、默认只读、变更前需授权，并区分事实与估计，避免将相关性误判为因果。
该技能用于构建和测试亚马逊季节性关键词组，将热点词按购买意图拆分为核心词、修饰词和排除词，并通过独立预算验证相关性、页面承接和净贡献。它强调基于一方数据、遵守平台规则、区分事实与假设，并提供诊断草案、实验结构和回退机制，适用于节日、礼赠、季节或天气驱动的广告关键词规划。
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。
该技能用于按拉新、考虑、召回或复购等漏斗目标设计 Amazon 展示广告定向与受控实验，强调区分事实、估算、假设与未知项，默认只读，写入前需展示影响并等待授权，并依据证据台账输出 READY、HOLD 或 STOP 结论。
该技能用于为亚马逊商品广告构建ASIN定向分组，按替代品、互补品、自有品牌防御和品类发现进行分类，并结合匹配目标报告进行校准。它强调基于证据的决策，区分事实、估算、假设和未知项，默认只读，任何广告写入操作需先展示影响并获得明确批准。
该技能用于在 Amazon Marketing Cloud 中构建隐私安全的自定义受众假设、查询计划与增量实验。它强调只读诊断、区分事实与假设、不导出个人级数据，并在执行前展示变更影响并等待授权。
该 Skill 用于 Amazon 选品与产品开发，聚焦 ROAS、季节性、竞价策略，通过证据卡验证购买需求、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、证据台账和第三方 MCP 数据调用方案，强调只读操作、凭证环境变量注入、调用前审批和结果私有保存。
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 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。
该技能用于规划小预算、兼职的亚马逊 FBA 验证流程，帮助新手在有限资金下完成注册、选品、采购、入仓、销售和回款闭环，并设定止损与退出条件。它强调基于真实证据区分事实、估算、假设和未知项，默认只读，执行写操作前需核对授权，不提供规避平台规则或泄露来源的操作。
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。
