Community-owned capabilities
786 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。
该技能用于构建亚马逊竞品价值地图，通过真实购买任务选择可比商品，区分事实、客户反馈与推断，识别可验证的价值缺口，并制定自有验证计划。它强调合规边界，不复制竞品内容，不臆测后台数据，默认只读，写操作需明确授权。
分类优先采用合集任务映射，其余按名称与简介归纳：10 个平台 · 11 个场景 · 4 个合集标签。
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。
该技能用于创建和质检 AI 辅助的服饰广告创意，基于真实商品、人物和使用场景约束生成内容，并系统检查版型、颜色、肢体、Logo 与声明，最后通过单变量广告实验筛选。它强调区分事实、估算、假设和未知项，默认只读，任何写操作需明确批准，并确保所有素材有使用权。
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 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。
该技能用于处理 Amazon Listing 与页面操作，聚焦现金流、FBA、发货与入库等业务场景。它提供证据卡、执行手册和场景模式，指导用户基于产品事实进行诊断、草拟修改方案、执行只读预检，并在明确授权下发布变更。技能包含一个 MCP 研究脚本，用于安全地调用第三方数据服务（如 SIF、SellerSprite、Apify），强调凭证仅从环境变量读取、不泄露密钥、执行前需授权并限制费用。整体设计注重数据真实性、边界控制和审计留痕。
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 品牌、内容与增长任务，聚焦图片与视频、运营工具和 AI 工作流。它提供证据卡、执行手册和场景模式，指导用户将购买任务和品牌事实映射到内容与渠道，形成可验证的创意简报和增长计划。Skill 强调数据边界，要求区分事实、估算、假设和未知项，不捏造数据，并在写入或调用第三方数据前获得授权。它包含一个 Python 脚本，用于安全地连接 SIF、SellerSprite 和 Apify 的 MCP 服务，通过环境变量注入凭证，执行 schema 校验、dry-run 和成本控制，并避免将敏感信息写入参数或 URL。
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。
