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 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 Amazon 平台政策与异常监控，聚焦 FBA、Listing 诊断和匹配方式。它提供工作流、证据卡和第三方数据调用计划，强调区分事实与假设、保留证据、避免捏造数据，并在写操作前获得授权。包含一个 MCP 研究脚本，用于安全地调用 SIF、SellerSprite 和 Apify 的实时数据，支持 schema 校验、dry-run 和成本控制。
该技能用于 Amazon 跨境经营复盘，聚焦经营经验、FBA、AI 工作流等主题，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、估算、假设和未知项，写操作需明确授权，并确保凭证通过环境变量注入，结果保存在私有目录。
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）。
该技能用于分析亚马逊FBA、发货入库及成本结构相关的费用、利润与现金流，通过统一订单、结算、币种和税费口径，复算贡献利润、资金缺口及压力情景，并输出单位经济表、费用复核表、情景敏感性等结果。技能强调证据驱动，区分事实、估算与假设，对写操作要求明确授权，并可通过可选第三方MCP数据源补充关键词、竞品等证据，但需遵循严格的凭证管理与费用审批流程。
该技能用于 Amazon FBA 库存、物流与运营分析，涵盖库存桥接、补货断货预案、物流节点核对、费用复核等任务。它强调证据驱动，区分事实与估算，并要求写操作前获得用户授权。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），脚本设计有凭证保护、参数校验、成本控制与输出脱敏机制。
该技能用于 Amazon FBA 库存与物流分析，聚焦季节性、现金流和竞品验证。它提供证据卡、执行手册和第三方 MCP 数据调用脚本，强调只读操作、数据脱敏、成本授权和结果保存到私有目录。
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、内容与增长相关的经营经验分析，通过证据卡将购买任务和品牌事实映射到内容与渠道，生成创意简报和增长计划。它强调区分事实、估算、假设和未知项，要求写操作前展示影响并等待批准，不捏造数据，并保留去标识化边界。
该 Skill 用于 Amazon 广告诊断与实验，聚焦 ROAS、政策变化和 ACOS，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、不捏造数据，并在执行写操作前要求明确授权。可选集成第三方 MCP 数据源（SIF、SellerSprite、Apify）以补充证据，但需通过环境变量注入凭证并遵循严格的审批流程。
该技能用于Amazon广告诊断与实验，聚焦否定投放、搜索词分析和手动广告。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。技能包含可选的第三方MCP数据查询脚本，用于在用户数据不足时补充关键词、竞品等证据，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 广告诊断与实验，聚焦高客单价、利润模型和成本结构。它提供诊断树、异常数据表和单变量实验卡等分析框架，并强调区分事实、估算、假设和未知项，所有写操作需用户明确授权。可选集成第三方 MCP 数据源（SIF、SellerSprite、Apify）以补充关键词、竞品等证据，但仅在用户数据不足时使用，且凭证通过环境变量注入，结果保存在私有目录。
该 Skill 用于 Amazon 广告诊断与实验，聚焦竞价策略、卖家精灵和关键词排名，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。它提供诊断树、异常数据表和单变量实验卡等输出，并强调使用用户数据或 Amazon 一方报告优先，仅在必要时通过 MCP 客户端调用第三方数据（SIF、SellerSprite、Apify），且要求凭证仅从环境变量注入、禁止在参数或 URL 中携带密钥、调用前需 dry-run 和授权确认。
该 Skill 提供一套合规的亚马逊新品关键词覆盖扩张方案，通过分层广告和真实转化扩大关键词覆盖，并管理主力词和促销活动。它强调不进行评论操纵或排名保证，要求区分事实、估算和假设，并在执行写操作前核对授权。Skill 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），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 schema 校验和成本控制。
该技能用于评估团队是否应进入或扩展亚马逊业务，通过单位经济模型、现金流压力测试、市场匹配验证和分阶段试点，输出 GO/CONDITIONAL GO/NO-GO 决策。它强调基于事实、估算和假设的区分，避免承诺收益，并严格限制第三方 MCP 数据的使用，要求凭证仅从环境变量读取，调用前需授权并记录成本。
该技能用于帮助亚马逊卖家团队设计可扩展的运营系统，涵盖品类专业化、组合容量测算、人员技能分层、SOP 下限、实验治理、激励设计和资源分配。它强调基于真实数据区分事实、估算与假设，避免将个别公司业绩作为普遍基准，并在执行写操作前核对授权范围。
该技能用于审计亚马逊评论操纵风险，识别异常评论信号，并将绕过式获评诉求转化为合规处置与官方获评方案。它提供风险分级、政策核对、报告草稿和合规替代路径，并集成第三方MCP数据源（SIF、SellerSprite、Apify）以获取市场证据，但强调凭证安全、成本控制和数据脱敏。
该技能通过根因分析、商品信息修正、自助支持完善、零配件闭环和客服配置来降低亚马逊可避免退货，并集成第三方 MCP 数据源（SIF、SellerSprite、Apify）以补充市场证据，强调合规与隐私保护。
该技能用于诊断亚马逊广告位转化差异，通过分析广告位报告、有效竞价和竞争环境，设计单变量实验并调整流量组合。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、不自动重试计费调用，并要求在写操作前获得授权。
该技能用于评估亚马逊运营人员是否具备独立创业的条件，通过分析现金流、工作资本周期、固定成本、产品组合成功率、可迁移能力和道德边界，提供基于场景的决策建议，而非激励性保证。它强调数据真实性、不侵犯前雇主权益、遵守亚马逊政策，并在执行写操作前进行授权核对。
该技能用于诊断和恢复表现不佳的亚马逊新品广告项目，通过按固定顺序检查流量集中度、样本充分性、广告位和商品竞争力，并设计受控实验。它强调基于真实数据、区分事实与估算、不擅自增加预算或修改广告，并支持通过第三方 MCP 服务（如 SIF、SellerSprite、Apify）获取补充数据，但要求严格的安全边界，如凭证仅从环境变量读取、调用前需授权、结果写入私有目录等。
该技能用于建立以订单贡献为导向的亚马逊关键词位置监控系统，区分自然与广告排名，通过连续证据触发诊断，并生成需批准的干预建议。它包含一个安全的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、动态发现工具模式、成本授权和结果脱敏。
该技能用于规划亚马逊关键词推广顺序，从高意图长尾词逐步扩展到中部词和核心词，通过阶段门控、混合广告形式、盈利检查和精确收割来优化推广策略。它强调基于真实证据进行决策，区分事实、估算和假设，并在执行写操作前核对用户授权。技能包含一个安全的MCP客户端脚本，用于从SIF、SellerSprite和Apify等第三方服务获取市场数据，该脚本严格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。
该技能用于排查亚马逊FBA库存意外变为瑕疵或不可售的问题，通过分类根因（标签、货件、Transparency、Listing变更、合规、系统状态）并构建事实支持案例和时限计划。它强调证据冻结、单一证据包提交、时限管理及处置成本对比，并明确要求不依赖界面漏洞、不补造数据、写操作前核对授权。
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。
