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 Skill 用于 Amazon 跨境经营复盘，聚焦市场机会、成本结构、汇率风险等主题，将经验判断转化为可验证的问题，并设计低成本验证动作。它提供证据卡、场景模式和执行手册，并可选通过 MCP 客户端调用 SIF、SellerSprite、Apify 等第三方数据服务，强调凭证仅从环境变量读取、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 跨境经营复盘，聚焦关键词排名、广告曝光和归因分析。它提供结构化工作流、证据卡和验证计划，帮助用户将经验判断转化为可验证的问题，并区分事实、估算与假设。技能包含一个 Python 脚本，用于安全地调用第三方 MCP 数据服务（SIF、SellerSprite、Apify），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。整体设计注重数据边界、合规性和可审计性。
该 Skill 用于 Amazon 跨境经营复盘，聚焦平台费用、税务与出口、发货与入库等主题。它提供证据卡、场景模式和验证计划，帮助用户将经验判断转化为可验证的问题，并识别适用前提、替代解释和可迁移的经营动作。Skill 强调使用用户数据或 Amazon 一方报告，仅在必要时通过 MCP 客户端调用第三方数据服务（SIF、SellerSprite、Apify），且要求凭证通过环境变量注入，调用前需获得授权并限制成本。
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，并设计低成本可逆的验证计划。它强调区分事实、估算、假设和未知项，不捏造数据，写入操作需先展示影响并等待明确授权，同时要求标注数据来源、站点、时间窗和口径。
该技能用于 Amazon 跨境经营复盘，聚焦 A+ 页面，将经验判断转化为可验证问题，识别适用前提、替代解释和可迁移动作，并输出经验假设卡、适用边界、验证计划等。强调证据分级、去标识化、不捏造数据，写操作需授权。
该 Skill 用于 Amazon 跨境经营复盘，聚焦 AI 工作流、用户画像和运营工具，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、执行手册和第三方 MCP 数据调用脚本，强调区分事实与估算、保留去标识化边界、不捏造数据，并在写操作前获得用户授权。
该 Skill 用于 Amazon Listing 诊断、政策变化和标题优化，提供证据卡、场景模式和 MCP 数据查询脚本，强调只读预检、授权审批和证据留痕。
该技能用于分析亚马逊平台费用、利润模型与现金流，提供证据卡、情景分析和第三方数据接入（SIF、SellerSprite、Apify），强调数据去标识化、审批流程和只读操作。
该技能用于 Amazon FBA 库存与物流分析，聚焦季节性、成本结构和尺寸重量。它提供工作流、证据卡和第三方数据查询脚本，帮助用户核对库存、费用和物流节点，并制定补货或清货方案。脚本通过 MCP 协议连接 SIF、SellerSprite 和 Apify，强调凭证安全、只读优先和成本审批。
该技能用于 Amazon FBA 库存、物流与评价分析，提供库存桥接、补货断货预案、物流节点证据、费用复核等诊断与草案。它强调证据分级、去标识化边界和写操作授权，并可选通过 MCP 客户端调用第三方数据服务（SIF、SellerSprite、Apify），但要求凭证仅从环境变量注入、禁止在参数或 URL 中携带密钥，且对可能计费或变更的调用需先获得授权。
该技能用于处理 Amazon FBA 的库存、物流与费用分析，通过核对可售、在途、交期和费用数据，量化断货与积压风险，并生成可执行的库存处理方案。它强调基于证据、区分事实与假设，并要求在写操作前获得用户明确授权。
该 Skill 用于分析 Amazon 客户反馈（评论、退货、客服）以定位购买障碍，并生成 VOC 主题表、根因树、改进优先级和实验卡。它强调合规获取数据、区分事实与估算、不操纵评价，并仅在用户授权且预算覆盖时通过第三方 MCP 服务（SIF、SellerSprite、Apify）补充数据。脚本从环境变量读取凭证，拒绝在参数中传递密钥，并限制网络重定向和敏感字段。
该技能用于 Amazon 品牌、内容与增长分析，聚焦评价与口碑、政策变化和 Listing 诊断。它提供工作流、证据卡和第三方数据调用计划，强调合规、证据区分和写操作审批。包含一个 MCP 客户端脚本，用于安全调用 SIF、SellerSprite 和 Apify 的实时数据，但需用户授权和成本控制。
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。
该技能用于对亚马逊商品进行三因子（销量、价格、评论）机会粗筛，通过可调阈值压缩候选集，并强调区分事实、估算与假设，默认只读，写操作需授权。可调用第三方 MCP 数据（SIF、SellerSprite、Apify）获取关键词、竞品和评论等代理证据，脚本从环境变量读取凭证，拒绝在参数或 URL 中携带密钥，并限制重定向与敏感字段。
该技能用于构建亚马逊全年季节性产品组合日历，围绕节日、社会活动等需求编排产品，并提供保守库存控制与复盘流程。它包含一个安全的 MCP 研究脚本，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、不泄露密钥、默认只读并需授权才执行可能计费的操作。
该技能用于规划季节性亚马逊产品的多年生命周期，涵盖首年倒排、合法变体管理、季中控制、季末退出及次年复用，并强调基于真实证据、区分事实与估算、遵守亚马逊政策。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，脚本设计注重凭证安全、参数校验和成本控制。
该技能通过历史同比/环比和目标月份的搜索增长，筛选未来月份增长显著的关键词，验证季节性与场景根因，并从低价入口产品扩展同场景高价值机会。它强调区分事实、估算、假设和未知项，默认只读，执行写操作前核对授权，并安全调用第三方 MCP 数据（SIF、SellerSprite、Apify）获取关键词、商品、评论等代理证据。
该技能用于筛选亚马逊季节性冷门产品机会，通过倒排时间窗口、分层初筛、验证精准需求、检查可复制性并形成候选卡，帮助用户识别低评论、适中销量且可验证的细分市场。技能强调区分事实与估算，默认只读，执行写操作前需核对授权，并避免捏造数据。可调用第三方 MCP 数据（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，且对可能计费的操作需明确授权。
该技能帮助亚马逊卖家在不盲目开模的前提下，通过重新定位现有产品到特定人群、场景或用途来实现低成本差异化。它提供了一套工作流程，包括定义边界、寻找迁移场景、验证适配、重建竞争、设计可见表达和小批验证，并强调基于真实证据、区分事实与假设、避免捏造数据。技能还包含一个安全的 MCP 客户端脚本，用于从第三方数据提供商（SIF、SellerSprite、Apify）获取关键词、竞品和评论等数据，并严格处理凭证和费用授权。
该技能通过提取和验证场景词，帮助用户从陌生商品中发现细分需求并跨类目生成候选产品，最终形成可复核的选品方案。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。技能内置了安全的 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。
该技能用于将单条亚马逊产品链接的偶然成功转化为可复制的选品、供应链、推广、补货和淘汰系统，并控制单品依赖风险。它通过拆解成功因素、量化集中风险、设计SKU组合、固化流程和分阶段复制，帮助中小团队建立由流程驱动的扩张路线。技能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，并避免捏造数据或依赖违规手段。
该技能用于按团队能力将亚马逊选品候选分入六种结构性机会赛道（冷门细分、可扩变体、大件高货值、高门槛产品、季节活动、高客单套装），并输出能力矩阵、路由清单、资本配置和验证门槛。它强调区分事实与估算、默认只读、写操作前核对授权，并通过脚本安全调用第三方 MCP 数据（SIF、SellerSprite、Apify），凭证仅从环境变量读取，不写入参数或输出。
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。
