Original em inglês: https://argusic.com/subject/sealeap-amazon-skills
sealeap-amazon-skills
Habilidades Reutilizáveis de Agente para pesquisa de produtos, listagens, publicidade, inventário e operações na Amazon.
Executa com mocksfonte: GitHubpágina do projetoPythonMITcommit 497d4b8eebb4
Python, licença MIT. O projeto se descreve como: advertising, agent skills, ai agents, amazon ads, amazon seller, codex, ecommerce e marketing automation.
sealeap-amazon-skills executa, com substitutos para os serviços de que depende. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 2 minutos e encontrou 1 erro, corrigindo-o sem ajuda, e a sessão inteira foi gravada.
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;
O que o agent conseguiu em uma máquina limpa, nas palavras dele. Como isto é medido
Medido pela Argusic em uma máquina nova, todas as vezes. Cada número tem link para as suas evidências. Pontuação Argusic 92 de 100 (a média das pontuações das execuções deste projeto).
Visão geral
Dados do projeto de GitHub, com link no topo desta página, atualizado em . Dados de teste da Argusic (CC BY 4.0); cada número tem link para uma página de execução com o log completo, a gravação e os hashes sha256 deles.
O que foi medido
Da execução que decidiu este veredito. Cada linha é um valor registrado, não uma estimativa.
O que deu errado, nas palavras do agent
As palavras do próprio agent, das piores para as menores, nunca reescritas como conselho.
- 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
- Tempo de instalação
- 2 minutos
- Da máquina limpa até o fim
- 5 minutos
- Erros encontrados e corrigidos
- 1 encontrado, 1 corrigido sem ajuda humana
- Como o resultado foi comprovado
- 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 exato testado
- 497d4b8eebb4
- Imagem do container
- sha256:cdd920bce783
O que não foi medido
A outra metade, para você ver exatamente até onde estas evidências vão. Uma lacuna é mostrada como lacuna e nunca é preenchida.
- Pico de memória da GPU
- esta execução foi em uma máquina com CPU, então não havia GPU para medir
- Comportamento em uma execução longa
- cada tentativa usa as menores configurações documentadas e um orçamento de tempo fixo, então isto mede se ele executa, não como ele se comporta sob carga
- Comportamento com serviços reais
- esta execução foi verificada apenas com serviços substitutos
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
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.
Reproduzir a sessão inteira, cada comando desde a máquina limpa até este ponto.
Como foi testado
Um agent, um container, nenhuma ajuda humana. Ele instala o projeto do jeito que a própria documentação do projeto manda, executa o projeto e corrige o que quebra. Tudo abaixo é registrado como aconteceu: a sessão de terminal, o log e o commit exato. A metodologia completa.
Pontos fortes e limites
Fatos medidos, não opiniões. Como este conteúdo é escrito.
O que deu certo
- Instalado em 2 minutos.
- Recuperou-se do único erro sem que uma pessoa interviesse, o que indica que as falhas estão documentadas o suficiente para serem resolvidas.
- Licença MIT, segundo a plataforma onde o projeto está hospedado.
O que não deu certo, ou não se sabe
- Só chegou a um estado de execução com serviços substitutos, então nada aqui prova que ele funciona com os serviços reais.
- Medido uma vez até agora. Uma única tentativa mostra que ele pode executar, não que executa de forma confiável.
Também testados, na mesma área
Cada um destes foi instalado e executado pela Argusic em uma máquina limpa. Nada aparece aqui sem ter sido testado.
Histórico de execuções
| testado por | tentativa | resultado | pontuação | custo USD | quando |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | Executa com mocks | 92,00 | 0,10 |
Tópicos (de GitHub)
advertisingagent-skillsai-agentsamazon-adsamazon-sellercodexecommercemarketing-automation
Incorporar o selo
Markdown para o README do projeto. Ele tem link de volta para esta página; os termos estão na página de termos.
[](https://argusic.com/subject/sealeap-amazon-skills)Perguntas
- sealeap-amazon-skills executa?
- sealeap-amazon-skills executa, com mocks no lugar de serviços externos. A Argusic o instalou e iniciou em uma máquina limpa em 2 minutos, encontrando 1 erro no caminho, e gravou a sessão.
- Como a Argusic testou sealeap-amazon-skills?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 497d4b8eebb4. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar sealeap-amazon-skills?
- A execução que produziu este veredito custou US$ 0,10: custo real de computação e de modelo, não um preço de tabela por milhão de tokens. Esse valor está registrado na página da execução.
- Quanto tempo leva para instalar sealeap-amazon-skills?
- 2 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- sealeap-amazon-skills precisa de GPU?
- Não para iniciar. A Argusic chegou a um estado de execução em uma máquina sem GPU.
- O que dá errado ao instalar sealeap-amazon-skills?
- 1 coisa quebrou na execução registrada, e 1 foi corrigida sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Onde estão as evidências de sealeap-amazon-skills?
- A execução registrada está nesta página, cada uma com link para o seu log completo e a sua gravação do terminal, guardados com uma impressão digital sha256 para que não possam ser alterados discretamente.