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。
该技能帮助 Amazon 团队将 AI 雄心转化为受治理的运营路线图，涵盖研究、列表、广告、供应链和合规。它优先考虑 AI 用例，设计人工审批门，并规划可衡量的试点，强调基于证据的决策、风险分类和明确的回退机制。
该技能用于审计亚马逊 AI 生成的商品摘要或音频亮点，通过将每条陈述与商品详情、评论、问答等证据进行比对，识别缺失或误导性信息，并优先修复权威字段中的真实缺口。技能强调只读诊断、证据标注、风险分级和明确的审批流程，不涉及排名或转化控制。
该技能用于在采用或连接 AI 工具前，从真实业务问题和人工基线出发，通过同一脱敏测试集评估工具的准确性、成本、隐私、权限、集成和可回退性，并输出 READY/HOLD/STOP 决策及试点与退出计划。
该技能用于诊断亚马逊商品在AI购物场景中的可见性问题，通过区分常规因素（库存、价格、广告等）与AI入口影响，建立可验证的假设和受控实验。它强调只读诊断、证据分级（事实/估算/假设/未知）、不捏造数据，并要求在写入前展示影响并获得授权，同时避免保存或输出可反查的素材来源信息。
该技能用于创建有证据支持的亚马逊商品详情页简报，帮助买家和AI购物界面理解产品信息。它指导用户整理买家问题、绑定产品事实与证据、建立字段覆盖矩阵，并设计单变量实验。技能强调区分事实、估算、假设和未知项，默认只读，写入前需展示影响并等待批准，同时避免保存或输出素材来源等可追溯线索。
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。
该技能用于测试亚马逊购物AI对中立买家问题的回答覆盖度，通过采样、审计答案与产品证据的一致性，并支持受控的内容改进，强调不伪造互动、不操纵模型，并遵循合规边界。
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广告诊断与实验，聚焦AI工作流、图片与视频、站外流量等主题，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、异常数据表和单变量实验卡。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SIF、SellerSprite和Apify等第三方数据服务。
该 Skill 用于 Amazon 选品与产品开发，聚焦汇率风险、市场机会和成本结构，通过证据卡验证购买需求、直接竞争、差异化和单位经济，形成进入、有限验证或暂缓的判断。它提供工作流、证据台账和第三方 MCP 数据调用脚本，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 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 用于分析 Amazon 客户反馈（评论、退货、客服）以定位购买障碍，并围绕汇率风险、季节性、品牌与备案等主题生成改进优先级和验证计划。它提供证据卡、工作流和第三方 MCP 数据调用脚本，强调数据合规、去标识化、事实与估算分离，并要求写操作前获得用户授权。
该 Skill 用于 Amazon 品牌、内容与增长任务，聚焦新品启动、关键词体系、品牌与备案。它提供工作流、证据卡和第三方 MCP 数据调用脚本，强调证据驱动、区分事实与假设、写操作需授权，并包含安全防护措施。
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。
该技能用于规划合规的亚马逊长期变体路线图，通过真实且有独立需求的子体扩展产品线，并区分事实、估算、假设和未知项。它提供工作流、证据台账和第三方MCP数据查询脚本，强调只读默认、写操作前核对授权、凭证仅从环境变量读取，并避免捏造数据或操纵评论。
该技能帮助卖家将成熟的大宗商品重新定位为差异化的批量、套装、礼品或活动解决方案，强调基于证据的决策，并区分事实、估算、假设和未知项。它提供工作流程、启发式方法和质量检查，并包含一个用于安全调用第三方 MCP 数据提供商的 Python 脚本，该脚本从环境变量读取凭据，拒绝敏感参数，并需要显式批准才能进行可能产生费用的调用。
该 Skill 用于治理 AI 辅助的亚马逊选品流程，将可自动化的证据收集与人工商业判断分离。它提供审计 AI 选品 Agent、设计人机协作流程、复核 AI 结论的方法论，并包含一个安全的 MCP 客户端脚本，用于从 SIF、SellerSprite 和 Apify 等第三方服务获取关键词、竞品和评论数据。脚本强调凭证仅从环境变量读取、默认只读、写操作需授权、费用需批准，并避免将第三方估算包装为事实。
该 Skill 用于 Amazon 跨境经营复盘，聚焦 AI 工作流、五点描述和卖家精灵等主题，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、场景组合和执行手册，并包含一个可选的第三方 MCP 数据客户端，用于在用户数据不足时获取关键词、竞品或评论证据。该客户端强调安全设计，凭证仅从环境变量读取，拒绝在参数中传递敏感信息，并在调用可能计费的工具前要求显式授权。
该技能提供了一套基于证据的亚马逊Listing编写工作流，包括关键词清洗、广告词筛选、Listing字段草拟和事实审计。它强调不虚构信息、区分事实与估算，并支持通过MCP工具获取第三方关键词和竞品数据，但要求严格的安全和授权控制。
该技能用于创建基于证据的亚马逊商品图片和A+内容简报，强调保持产品真实外观和合规性。它提供诊断、方案草案、执行准备和已批准执行等模式，并包含一个用于访问第三方MCP数据（如SIF、SellerSprite、Apify）的Python脚本，该脚本注重安全，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。
该技能将已验证的亚马逊商品与受众证据转化为可审核、可测试的AI辅助广告创意工作流，涵盖概念生成、Brief制作、Prompt准备、三层审核（事实/品牌/政策）及受控A/B测试，强调人工审批与合规边界。
为 React 前端提供 UI 到源码的定位与精准修改工作流，支持 Vite React 自动注入源码标签和 Next.js 手工标注，通过右键复制定位信息辅助代码修改。
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。
