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 用于规划 Amazon 新品期推广，涵盖新品期起算点确认、自然单与广告单比例诊断、关键词排名推动、促销与价格带管理以及多变体推广集中度判断。它强调基于证据和审批流程，区分事实与假设，并明确禁止刷单、控评等违规操作。
该 Skill 用于构建 Amazon 关键词结构，涵盖非标品与标品的广度策略、词库四维分类、按词级投产模型选词、活动词数设计以及否定词审计。它强调基于证据和审批流程，区分事实、估算与假设，避免捏造数据，并优先处理关键词结构与否定相关任务。
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。
该技能用于诊断和恢复亚马逊商品详情页付费与自然流量结构失衡的问题。它通过时间线和证据台账分析自然流量下降的根因，制定分阶段预算重配或单变量实验，并设置销量、利润和库存护栏。技能强调只读诊断、区分事实与假设、不捏造数据，并在写入前获得授权。
该技能用于评估亚马逊ASIN是否适合进行大词（头部关键词）广告测试，通过相关性、转化率、利润率、库存、长尾词表现和当前排名等证据，输出可审计的就绪度评分卡、经济性情景和限额单变量实验设计，并给出READY、HOLD或STOP结论。技能强调区分事实、估算、假设和未知，默认只读，写入操作需明确授权，不捏造数据，并提示平台规则可能变化需复核。
该技能用于在人工设定产品事实、购买任务和合规边界后，由AI对亚马逊关键词候选进行语义去重、意图分组和风险标注，并通过一方搜索词与受控广告验证，最终输出带来源和证据等级的词库及变更日志。它强调默认只读、证据分级、人工复核和可回退操作，不将AI输出直接用于投放。
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。
该技能用于为亚马逊多站点旺季构建本地化、有证据支撑的关键词计划，强调分站点独立验证搜索表达、Listing 承接、广告经济性和库存窗口，输出关键词证据表、本地化审核清单、广告测试日历及停止条件，并区分事实、估算、假设与未知项，默认只读，写入前需授权。
该技能将高意图亚马逊搜索词转化为有证据支持的视频故事板、移动端优先字幕和受控创意变体，用于赞助品牌视频等广告。它强调区分事实与假设、默认只读、在写入前展示影响并等待批准，并包含合规和质量检查清单。
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。
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 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 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 用于在做出产品决策前构建 Amazon 产品、受众和使用场景的认知地图。它通过宽口径取样、延迟判断、拆解差异、向外延伸和维护地图等步骤，帮助用户从陌生商品中发现需求线索。Skill 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。它可调用第三方 MCP 服务（如 SIF、SellerSprite、Apify）获取关键词、竞品和评论等数据，但要求凭证仅从环境变量读取，不写入参数或输出，且对可能计费的操作需先获得授权。
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。
该技能用于为亚马逊新品构建精简关键词库，从直接竞品自然排名中提炼高相关词，区分广泛与精准匹配，并依据搜索词证据持续迁移和复测。它强调证据分级（事实、估算、假设、未知），默认只读，写操作需授权，并集成第三方 MCP 数据源（SIF、SellerSprite、Apify）进行关键词与竞品研究。
该 Skill 用于 Amazon Listing 与页面操作，聚焦搜索词分析、差异化、关键词排名等任务。它提供工作流、证据卡和第三方 MCP 数据调用脚本，强调只读预检、授权审批、数据脱敏和结果核验，不捏造数据，并限制凭证仅通过环境变量注入。
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。
该技能为亚马逊新品提供基于证据的自然流量增长方案，涵盖从可控广告探索、关键词迁移到自然排名与订单监测的完整流程。它强调数据缺口标注、因果限制说明，并默认只读规划，要求对写操作和付费调用进行授权。技能包含一个安全的 MCP 研究客户端脚本，用于从 SIF、SellerSprite 和 Apify 获取第三方市场数据，严格从环境变量读取凭证，并实施多项安全防护。
该技能用于制定亚马逊新品推广计划，通过目标销量倒推流量、关键词订单、广告成本和现金需求，并生成 GO/CONDITIONAL GO/NO-GO 评估。它强调区分事实、估算和假设，不承诺排名，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证据。
该 Skill 用于在预算帽和人工审批规则下设计可扩展的亚马逊长尾关键词组合，包括关键词清洗、活动粒度决策、预算保护、竞价阶梯和安全规则，并支持通过第三方 MCP 数据源获取市场证据。
该技能将亚马逊关键词库整理为分类、否定词和广告结构，基于产品事实和授权数据，提供诊断和草案，不直接修改广告。
该技能用于设计亚马逊关键词排名实验，通过广告位置测试筛选高潜力关键词，并估算订单潜力。它强调区分广告与自然排名，要求基于真实数据，避免虚假操作，并安全地调用第三方MCP服务获取市场数据。
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。
