Original en inglés: https://argusic.com/subject/sealeap-amazon-skills
sealeap-amazon-skills
Agent Skills reutilizables para investigación de productos de Amazon, listados, publicidad, inventario y operaciones.
Funciona con mocksfuente: GitHubsitio webPythonMITcommit 497d4b8eebb4
Python, licencia MIT. El proyecto se describe a sí mismo como: advertising, agent skills, ai agents, amazon ads, amazon seller, codex, ecommerce y marketing automation.
sealeap-amazon-skills funciona, con sustitutos de los servicios de los que depende. Un agent de Argusic lo instaló en 2 minutos y encontró 1 error, corregido sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
A fresh clone works read-only with system Python 3.12: every helper script compiles, all documented offline example commands run and produce their specified outputs, all 596 skill packages pass YAML/frontmatter/link/catalog structural checks, and the 269 MCP research clients pass offline doctor;
Lo que el agent consiguió en una máquina limpia, en sus propias palabras. Cómo se mide
Medido por Argusic en una máquina limpia cada vez. Cada cifra enlaza a su evidencia. Puntuación Argusic de 92 sobre 100 (la media de las puntuaciones de las ejecuciones de este proyecto).
De un vistazo
Datos del proyecto de GitHub, enlazados al principio de esta página, actualizado . Datos de prueba de Argusic (CC BY 4.0); cada cifra enlaza a una página de ejecución con el log completo, la grabación y sus hashes sha256.
Qué se midió
De la ejecución que decidió este veredicto. Cada línea es un valor registrado, no una estimación.
Qué salió mal, en palabras del propio agent
Las palabras del propio agent, de lo más grave a lo menos, nunca reescritas como consejos.
- jsonschema Python module not installed in container, so mcp_research.py --schema-file/--call schema validation failed ('Schema validation requires jsonschema >= 4.18')2 minutos
- Tiempo de instalación
- 2 minutos
- De máquina en frío a terminar
- 5 minutos
- Errores encontrados y corregidos
- 1 encontrados, 1 corregidos sin ayuda humana
- Cómo se demostró el resultado
- python3 scripts/acos_diagnose.py --input references/acos-input.example.json exited 0 with DRAFT status and computed ACOS 24.0%; all 269 doctors 'python3 scripts/mcp_research.py --provider sif doctor' exited 0; all 288 scripts pass python3 -m py_compile; 596 SKILL.md and 596 agents/openai.yaml parsed by PyYAML with 0 errors; JSON 50/50 valid; documented example commands (budget_mix_check, filter_insights --summary, targeting_plan_check, reconcile_* --input references/*.example.json, render_report, check_titles, snapshots import/report, discount_plan, build_demo, find_skills, unit_economics) all exited 0 and produced the documented outputs
- Tokens de modelo usados
- 496.388
- Commit exacto probado
- 497d4b8eebb4
- Imagen del contenedor
- sha256:cdd920bce783
Qué no se midió
La otra mitad, para que veas exactamente hasta dónde llega esta evidencia. Un hueco se muestra como hueco y nunca se rellena.
- Memoria de GPU máxima
- se ejecutó en una máquina con CPU, así que no había GPU que muestrear
- Comportamiento en una ejecución larga
- cada intento usa la configuración documentada más pequeña y un presupuesto de tiempo fijo, así que esto mide si funciona, no cómo aguanta bajo carga
- Comportamiento con servicios reales
- esta ejecución solo se verificó con servicios sustitutos
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
exec /bin/sh -lc 'cd /work/repo && git log --oneline | wc -l && git log --diff-filter=D --name-only --pr… succeeded in 0ms: 1 exec /bin/sh -lc 'cd /work/repo && git status --short | head -5; echo "clean-check-done"' in /work/repo succeeded in 0ms: clean-check-done All verification complete. Here is the final report. tokens used 496,388 All verification complete. Here is the final report.
Reproducir la sesión completa, cada comando desde una máquina limpia hasta este punto.
Cómo se probó
Un agent, un contenedor, sin ayuda humana. Instala el proyecto como indica su propia documentación, lo ejecuta y arregla lo que falla. Todo lo de abajo se registró tal como ocurrió: la sesión de terminal, el log y el commit exacto. La metodología completa.
Puntos fuertes y límites
Hechos medidos, no opiniones. Cómo se redacta.
Qué salió bien
- Se instaló en 2 minutos.
- Se recuperó de su único error sin que interviniera una persona, lo que indica que el fallo está lo bastante documentado como para resolverlo.
- Licencia MIT, según su plataforma de origen.
Qué no salió bien, o no se sabe
- Solo llegó a funcionar con servicios sustitutos, así que nada de lo que hay aquí demuestra que funcione con los reales.
- Medido una sola vez hasta ahora. Un único intento demuestra que puede funcionar, no que funcione de forma fiable.
También probados, en la misma área
Argusic instaló y ejecutó cada uno de estos proyectos en una máquina limpia. Aquí no aparece nada que no se haya probado.
Historial de ejecuciones
| probado por | intento | resultado | puntuación | costo USD | cuándo |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | Funciona con mocks | 92,00 | 0,10 |
Temas (de GitHub)
advertisingagent-skillsai-agentsamazon-adsamazon-sellercodexecommercemarketing-automation
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/sealeap-amazon-skills)Preguntas
- ¿Funciona sealeap-amazon-skills?
- sealeap-amazon-skills funciona, con mocks en lugar de los servicios externos. Argusic lo instaló y lo inició en una máquina limpia en 2 minutos, con 1 error por el camino, y grabó la sesión.
- ¿Cómo probó Argusic sealeap-amazon-skills?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 497d4b8eebb4. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar sealeap-amazon-skills?
- La ejecución que produjo este veredicto costó 0,10 USD: costo real de cómputo y de modelo, no un precio de lista por millón de tokens. Consta en la página de esa ejecución.
- ¿Cuánto tarda sealeap-amazon-skills en instalarse?
- 2 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita sealeap-amazon-skills una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar sealeap-amazon-skills?
- En la ejecución registrada falló 1 cosa, y 1 se corrigió sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Dónde está la evidencia de sealeap-amazon-skills?
- La ejecución registrada está en esta página, cada una enlazada a su log completo y a su grabación de terminal, guardados con una huella sha256 para que no se puedan alterar en silencio.