sealeap-amazon-jp-apparel-ads
Diagnose and plan Amazon Japan apparel advertising with Japan-specific consumer behavior, seasonality, and ASIN lifecycle playbooks for long-lifecycle, short-lifecycle, and seasonal products. Use for 日本站服饰广告, JP apparel ads, 背包/内衣/泳装投放, ASIN 生命周期判断, 日本站新品冷启动, 品牌推广启动时机, Amazon Poi
Profil aset
Riset dan pekerjaan pengetahuan
Deep research, source comparison, literature review, RAG, knowledge search, and reports.
Skenario
Agent riset
I need my agent to research a topic, compare sources, and produce a concise report.
Kecocokan Agent
Claude Code + CLI + Codex
Cocok untuk Codex, Claude Code, Cursor, CLI, atau Agent khusus.
Pasang
Siap
npx skills add xjli360/sealeap-amazon-ad-skills --skill sealeap-amazon-jp-apparel-ads
Pemeliharaan
Terkini
Diperbarui hari ini
Risiko
Perlu ditinjau
Financial research output is not financial advice; require human review before any live investment decision
Kualitas GitHub
16
59/100 Kualitas · 75/100 Kepercayaan
Tag cakupan
Catatan ulasan
Financial research output is not financial advice; require human review before any live investment decision · Low GitHub adoption signal
Kartu adopsi Agent
Kepercayaan, audit, dan kesiapan pemasangan dalam sekali lihat
Skor ini menggabungkan metadata repositori publik, sinyal ulasan OpenAgentSkill, kebaruan pemeliharaan, dan kesiapan pemasangan. Ini adalah sinyal shortlist, bukan pengganti peninjauan manusia.
Kualitas
MenjanjikanUseful candidate, but compare it with alternatives before adopting.
Kepercayaan
Hanya sandboxKandidat berguna dengan sinyal kepercayaan yang kurang atau bercampur. Gunakan di ruang kerja terisolasi hingga loop hasil membuktikan kecocokan tugas.
Audit
Perlu ditinjauTinjauan yang dapat dibaca mesin tentang kesiapan pemasangan, metadata keamanan, pemeliharaan, dan risiko adopsi.
Trust Score OpenAgentSkill v5
Tinjauan manusia sebelum pemasangan
Jalankan hanya dalam sandbox dan bandingkan alternatif terdekat sebelum digunakan untuk kerja nyata.
Star
16 star GitHub
Aktivitas repositori
16 star dan 1 fork
Pemeliharaan
Diperbarui hari ini
Lisensi
MIT
Pasang
npx skills add xjli360/sealeap-amazon-ad-skills --skill sealeap-amazon-jp-apparel-ads
Keamanan pemasangan
Jalur pemasangan paket atau runtime standar
Cakupan izin
Akses sistem file atau dokumen
Hasil Agent
Belum ada data hasil Agent
Dokumentasi
Usable metadata, review docs
Ringkasan risiko
Tinjau sebelum produksi
- Financial research output is not financial advice; require human review before any live investment decision.
- Low GitHub adoption signal
- Quality score needs review
- GitHub adoption: 16 GitHub stars
Kesiapan pemasangan
Jalur pemasangan tersedia
- Jalur pemasangan tersedia
- Bukti repositori tersedia
- Lisensi dinyatakan
- Belum ada bukti hasil Agent-Proven
Metadata yang dapat dibaca Agent
Data keputusan yang dapat dibaca mesin untuk skill ini.
Gunakan blok ini atau JSON tersemat untuk memutuskan apakah Agent perlu memasang skill ini, memilih alternatif, atau meminta tinjauan manusia terlebih dahulu.
Tugas yang sesuai
- Alur kerja Agent riset
- Tim Claude Code
- builders willing to evaluate younger projects
- Sumber pencarian
Agent yang sesuai
Keputusan pemasangan
- Perintah
- npx skills add xjli360/sealeap-amazon-ad-skills --skill sealeap-amazon-jp-apparel-ads
- Kebijakan
- Tinjau
- Tinjauan manusia
- Ya
Kepercayaan dan risiko
- Kepercayaan
- 67/100
- Audit
- 78/100
- Tingkat risiko
- Perlu ditinjau
Lingkar hasil
- Endpoint
- /api/agent/outcome
- ID event
- resolve
- Hasil
- 5
Perintah pemasangan
npx skills add xjli360/sealeap-amazon-ad-skills --skill sealeap-amazon-jp-apparel-adsJangan gunakan ketika
- Tim yang membutuhkan SLA dengan dukungan vendor
- production agents without a repository review
- Low GitHub adoption signal
- No OpenAgentSkill engagement data yet
- Financial research output is not financial advice; require human review before any live investment decision
Skill alternatif
Last30days Skill
53.5K Star
npx skills add mvanhorn/last30days-skill -g
Skill alternatif
Academic Research Skills
38.4K Star
npx skills add Imbad0202/academic-research-skills
Skill alternatif
GPT Researcher
28.0K Star
npx skills add assafelovic/gpt-researcher
Skill alternatif
DeepResearch
19.8K Star
npx skills add Alibaba-NLP/DeepResearch
Keamanan Agent v2
58/100 · Tinjau sebelum memasang
Kandidat yang dapat digunakan, tetapi Agent harus menampilkan catatan izin dan audit sebelum memasang.
Memerlukan persetujuan manusia sebelum memasang ke workspace nyata.
Sedang
Akses jaringan
Skill kemungkinan mengambil halaman jarak jauh, API, repositori, atau layanan eksternal.
Sedang
Akses sistem file
Skill dapat membaca atau menulis file proyek, dokumen, artefak yang dihasilkan, atau status workspace lokal.
Sedang
Akses database
Skill dapat memeriksa skema, mengkueri database, atau bekerja dengan penyimpanan persisten.
- Financial research output is not financial advice; require human review before any live investment decision
Target pemasangan
Pasang skill ini di alur Agent Anda
Gunakan endpoint publik untuk mengambil perintah, checklist keamanan, prompt target, dan tautan kanonis.
OpenAgentSkill CLI
Resolve policy, run the source installer safely, and report a verified install receipt.
$ npx --yes https://github.com/Leon-Drq/openagentskill/releases/download/cli-v0.2.1/openagentskill-0.2.1.tgz install xjli360-sealeap-amazon-jp-apparel-adsRencana resolusi Agent
Biarkan Agent memverifikasi kecocokan sebelum memasang.
API Resolve mengembalikan skill utama, alternatif, kebijakan keamanan, catatan audit, target pemasangan, dan prompt siap pakai.
Buka JSON
/api/agent/resolve?task=Use%20sealeap-amazon-jp-apparel-ads%20for%20an%20agent%20workflow&agent=codex&max_risk=medium
Teks Resolve
/api/agent/resolve?task=Use%20sealeap-amazon-jp-apparel-ads%20for%20an%20agent%20workflow&agent=codex&max_risk=medium&format=text
Serah-terima pemasangan
/api/skills/xjli360-sealeap-amazon-jp-apparel-ads/install
Agent harus memeriksa
- Task fit and alternatives from Resolve API.
- Audit score, trust score, and safety policy warnings.
- Install target compatibility for Codex, Claude Code, Cursor, or CLI.
Salin prompt
Task: Use sealeap-amazon-jp-apparel-ads in this workspace.
Resolve first: https://www.openagentskill.com/api/agent/resolve?task=Use%20sealeap-amazon-jp-apparel-ads%20for%20an%20agent%20workflow&agent=codex&max_risk=medium
Review install handoff: https://www.openagentskill.com/api/skills/xjli360-sealeap-amazon-jp-apparel-ads/install
Install command: npx skills add xjli360/sealeap-amazon-ad-skills --skill sealeap-amazon-jp-apparel-ads
Before running it, summarize audit warnings, required permissions, and the fallback skill if install is risky.Serah-terima Agent
Berikan jalur pemasangan kepada Agent, bukan direktori lain.
Gunakan endpoint publik untuk mengambil perintah, checklist keamanan, prompt target, dan tautan kanonis.
Serah-terima pemasangan
/api/skills/xjli360-sealeap-amazon-jp-apparel-ads/install
Format teks LLM
/api/skills/xjli360-sealeap-amazon-jp-apparel-ads/install?format=text
Cari alternatif
/api/skills/search?q=sealeap-amazon-jp-apparel-ads&limit=3
Prompt Agent
Use sealeap-amazon-jp-apparel-ads for this task. Review https://www.openagentskill.com/api/skills/xjli360-sealeap-amazon-jp-apparel-ads/install, then install with: npx skills add xjli360/sealeap-amazon-ad-skills --skill sealeap-amazon-jp-apparel-adsMetadata Registry
Profil yang dapat dibaca Agent untuk pemilihan skill otomatis.
API Registry menyediakan sinyal keputusan, kepercayaan, audit, use case, dan pemasangan tanpa mengikis UI.
Manifest
/api/registry/manifest/xjli360-sealeap-amazon-jp-apparel-ads
Teks LLM
/api/registry/manifest/xjli360-sealeap-amazon-jp-apparel-ads?format=text
Alias pemasangan
/api/registry/install/xjli360-sealeap-amazon-jp-apparel-ads
Rekomendasikan
/api/registry/recommend?task=Use%20sealeap-amazon-jp-apparel-ads%20in%20an%20agent%20workflow&limit=3
Kecocokan Agent
Agent riset
Tag use case
Platform
Claude Code
Laporan audit
Perlu ditinjau · 78/100
Tinjauan yang dapat dibaca mesin tentang kesiapan pemasangan, metadata keamanan, pemeliharaan, dan risiko adopsi.
Panel keputusan Agent
Fallback candidate for Research agents
Prototype with this skill first; keep a fallback candidate ready.
Peran di stack
Kandidat cadangan
Kecocokan utama
Agent riset
Label kepercayaan
Buat prototipe dulu
Jalur pemasangan
Perintah siap
Gunakan saat
- Alur kerja Agent riset
- Tim Claude Code
- builders willing to evaluate younger projects
Bukti
- recent repository activity
- install command or GitHub repo available
- profil kualitas 59/100
tinjau dulu
- Low GitHub adoption signal
- No OpenAgentSkill engagement data yet
Jalur implementasi
- 1Pasang di Agent sandbox dan jalankan satu tugas Agent riset dari awal hingga akhir.
- 2Compare output quality, latency, and failure behavior against at least one alternative.
- 3Promote it into production only after reviewing repository permissions, license, and maintenance signals.
Profil kepercayaan
Hanya sandbox
Kandidat berguna dengan sinyal kepercayaan yang kurang atau bercampur. Gunakan di ruang kerja terisolasi hingga loop hasil membuktikan kecocokan tugas.
Adopsi GitHub
Perbaiki16 star GitHub
Aktivitas star/fork
Perbaiki16 star dan 1 fork; aktivitas issue tidak tersedia dalam metadata saat ini
Pemeliharaan terbaru
LulusDiperbarui hari ini
Kejelasan lisensi
LulusMIT
Sinyal positif
- Tinjauan AI disetujui
- Jalur pemasangan tersedia
- Bukti repositori tersedia
- Repositori yang baru dipelihara
- Perintah pemasangan tidak memiliki pola berisiko tinggi yang jelas
- Loop hasil siap tetapi membutuhkan eksekusi Agent nyata pertama
Tinjau sebelum memasang
- Financial research output is not financial advice; require human review before any live investment decision.
- Low GitHub adoption signal
- Quality score needs review
- GitHub adoption: 16 GitHub stars
- Stars/forks activity: 16 stars, 1 forks; issue activity unavailable in current metadata
- Belum ada laporan hasil Agent nyata
- Tinjauan manusia diperlukan sebelum pemasangan tanpa pengawasan
Tindakan yang disarankan
Jalankan hanya dalam sandbox dan bandingkan alternatif terdekat sebelum digunakan untuk kerja nyata.
Profil kualitas
Menjanjikan kandidat untuk alur kerja Agent
Useful candidate, but compare it with alternatives before adopting.
Kecocokan alur kerja
Gunakan skill ini pada skenario berikut
Investigate faster
Research agents
I need my agent to research a topic, compare sources, and produce a concise report.
Search private knowledge
RAG and knowledge
I need my agent to build a RAG workflow over documents and retrieve reliable context.
Manage repositories
GitHub automation
I need my agent to triage GitHub issues, review pull requests, and summarize repository changes.
Kecocokan alur kerja
Tambahkan ke alur kerja lengkap
Find, compare, and synthesize
Research report agent
A workflow for agents that gather sources, compare claims, summarize long material, and draft useful research briefs.
Ingest, retrieve, and cite
RAG knowledge base
A workflow for document-heavy agents that ingest files, create searchable knowledge, retrieve relevant context, and answer with grounded sources.
Inspect, patch, and verify code
Coding review agent
A workflow for software agents that inspect repositories, review pull requests, generate tests, and turn findings into shippable patches.
Daftar alternatif
Bandingkan sebelum memasang
Similar skills that may fit this task.
Last30days Skill
Research the last 30 days across Reddit, X, YouTube, Hacker News, Polymarket, GitHub, and the web, then synthesize a grounded brief for an AI agent.
Academic Research Skills
Academic Research Skills for Claude Code: research → write → review → revise → finalize
GPT Researcher
Run autonomous deep research over web and local sources
DeepResearch
Tongyi Deep Research, the Leading Open-source Deep Research Agent
Ringkasan
--- name: sealeap-amazon-jp-apparel-ads description: "Diagnose and plan Amazon Japan apparel advertising with Japan-specific consumer behavior, seasonality, and ASIN lifecycle playbooks for long-lifecycle, short-lifecycle, and seasonal products. Use for 日本站服饰广告, JP apparel ads, 背包/内衣/泳装投放, ASIN 生命周期判断, 日本站新品冷启动, 品牌推广启动时机, Amazon Points, 日文功能词, 季节性备货与预热, 广告预算结构, ACOS/ROAS 诊断, 复购再营销, 或根据《亚马逊日本站服饰品类广告运营手册》输出可审批的投放方案. Default to analysis and draft; do not mutate live campaigns without explicit human approval." ---
# SeaLeap 亚马逊日本站服饰广告运营
把日本站服饰 ASIN 的产品类型、生命周期阶段、季节节点、消费者意图和账户真实数据合并成可审核的广告计划。先诊断,再选择日本站打法;不要把美国站或英国站的节奏直接套入日本站。
## 强制边界
- 只将本 Skill 用于 Amazon.co.jp 服饰及与服饰紧密相关的配件。跨站点需求必须重新验证关键词、季节和消费者意图。 - 把手册中的百分比、倍数、预算结构和竞价建议标记为 `MANUAL_BASELINE`,不当作当前账户的事实或必达 KPI。 - 优先使用当前账户一方数据:Campaign/Search Term/Targeting/Placement 报告、广告销售、总销售、利润、库存、退货和 Listing 证据。缺数据时输出 `DRAFT / HOLD`,不编数。 - 把 `store_id`、seller ID、profile ID 或 ASIN 当作业务对象,不当作授权。任何真实读写都要绑定服务端已验证的店铺与广告 profile scope。 - 默认只产出草案。调整预算、竞价、placement、target、否定词、状态或广告结构前,逐项展示旧值、新值、证据、影响范围和回退值,并等待人工确认。 - 每张实验卡只改一个主变量。不要同时改 Listing、价格、优惠、库存、竞价和定向后声称因果。
查看 [references/source-and-guardrails.md](references/source-and-guardrails.md) 获取原 PDF 页码映射、数据口径和不可直接执行的阈值说明。
## 工作流
### 1. 锁定投放对象
取得并固定:
- 广告 profile、seller、marketplace=`JP`、ASIN、SKU、父子体和产品类型; - 上架日、当前销售曲线、历史峰值、季节节点、在途/可售库存和补货周期; - 价格、优惠、Amazon Points 当前设置、星级、评论量、退货原因和单件贡献利润; - 近30/14/7天广告数据,至少按 query/target、match type、placement、ASIN/SKU 拆分; - 当前 Listing 的主图、标题、五点、尺码表、A+、日文本地化和功能性声明证据。
信息不完时明确列出 `NEEDS_DATA`,继续做有边界的诊断,不用想象补齐。
### 2. 判定生命周期类型与阶段
先根据真实销售曲线判定,再用手册案例类比:
| 类型 | 判断信号 | 日本站手册案例 | 主要任务 | |---|---|---|---| | 长生命周期 | 全年需求相对稳定,靠评论与品牌长期累积 | 背包 | 新品建信任,成长期放大规模,成熟期守阵地与再营销 | | 短生命周期 | 快速起量后进入不可逆衰退,产品迭代快 | 内裤 | 新品用功能精准词起量,成长期建品牌,成熟期激活复购并让新款接力 | | 季节性 | 需求集中在明确月份,错过窗口难以补救 | 泳装 | 旺季前抢排名和视觉信任,爬坡期放量,高峰期收割并累积品牌 |
阅读 [references/market-and-lifecycle.md](references/market-and-lifecycle.md) 判定日本站消费者特征、全年节奏和生命周期边界。不要仅按上架月数硬套阶段;销售趋势、需求节点和库存风险必须一起判断。
### 3. 做五层诊断
按“现状 → 证据 → 问题 → 动作 → 验证指标”输出:
1. **可售性**:库存、Buy Box、抑制、价格、配送、资格和季节备货是否支持放量。 2. **可发现性**:日文品类词、功能词、场景词和商品定向是否匹配真实产品。 3. **点击**:搜索结果中主图、标题前段、价格/积分、评分和视频首帧是否建立当地化信任。 4. **转化与退货**:尺码、材质、功能、做工、使用场景和限制是否在 Listing 中被如实说清。 5. **利润与增量**:把 CPC、CVR、ACOS、TACOS、广告/自然/总订单、退货后贡献利润和库存消耗合并判断,不以单一 ROAS 下结论。
### 4. 路由到站点专属打法
- 长生命周期或高信任门槛产品:阅读 [references/long-lifecycle.md](references/long-lifecycle.md)。 - 短生命周期、高频消耗或款式迭代产品:阅读 [references/short-lifecycle.md](references/short-lifecycle.md)。 - 需求高度集中在旺季的产品:阅读 [references/seasonal-lifecycle.md](references/seasonal-lifecycle.md)。
先借用最接近的案例生成“假设”,再用当前账户数据验证。不要因为产品也是服饰,就默认它与背包、内裤或泳装具有同一节奏。
### 5. 生成可审批的广告计划
为每个建议创建独立动作卡,包含:
- 目标 profile / marketplace / campaign / ad group / ASIN / SKU; - 唯一主动作; - 基线窗口、归因窗口、样本阈值和数据完整性; - 旧值、新值和 `MANUAL_BASELINE` 仅作参考的说明; - 主指标、护栏指标、成功/失败/停止/回退条件; - 预期费用与退货后利润上限; - 审批状态:`DRAFT`、`READY_FOR_REVIEW`、`APPROVED`或 `HOLD`。
使用 [references/output-contract.md](references/output-contract.md) 的结构交付。
### 6. 验证与回退
- 把当天的价格、优惠、积分、库存、评论变化、竞品事件和季节事件记为干扰项。 - 在达到预设样本或时间窗口后评估;不要用统一的7天或固定点击数替代品类和利润判断。 - 如果触发花费、利润、库存或转化护栏,按预先记录的回退值处理,并保留审计记录。
## 必须交付的结果
- 对象、数据时间、数据口径和完整性; - 生命周期类型、阶段和判定证据; - 日本站消费者意图与季节节点; - 五层诊断与问题优先级; - Campaign/Ad Group 结构、关键词/商品定向、placement、创意和再营销草案; - 手册参考值与账户实际值的明确分离; - 单变量实验卡、审批项、回退方案和未解决风险。
证据不足时明确输出 `HOLD`;不要把一份 2026 年培训手册写成已验证的当前账户结论。
Detail teknis
- Versi
- 1.0.0
- Lisensi
- MIT
- Pembaruan terakhir
- 23 Agu 2026
- Diterbitkan
- 23 Agu 2026
Ringkasan keputusan
Kandidat cadangan
recent repository activity
Audit
Tinjauan pemasangan
Tinjauan pemasangan dan adopsi
- Keamanan
- 86/100
- Pemeliharaan
- 100/100
- Pasang
- 92/100
Bukti tervalidasi Agent
Bukti tervalidasi Agent
Laporan hasil setelah resolve, tinjau, pasang, dan satu eksekusi terbatas.
- Tingkat sukses
- —
- Kegagalan terbaru
- —
- Hasil
- 0
- Kualitas output
- —
- Gagal
- 0
- Tidak relevan
- 0
- Pemasangan
- 0
- Diblokir risiko
- 0
- Perlu penyiapan
- 0
- Produksi
- 0
Belum ada data hasil Agent. Eksekusi pertama dapat melaporkan keberhasilan, kebutuhan setup, blok risiko, kegagalan, atau tidak relevan melalui /api/agent/outcome.
Pasang
Tambahkan ke alur Agent
Gratis dan sumber terbuka. Tinjau laporan sebelum memasang pada Agent produksi.
Siklus pertumbuhan
Kit berbagi
Draf berbasis skenario untuk sealeap-amazon-jp-apparel-ads, siap untuk posting manual di X.
sealeap-amazon-jp-apparel-ads: Diagnose and plan Amazon Japan apparel advertising with Japan-specific consumer behavior, sea... 16 stars https://www.openagentskill.com/skills/xjli360-sealeap-amazon-jp-apparel-ads?ref=x
Balasan opsional dengan perintah pemasangan
Listing + install path for sealeap-amazon-jp-apparel-ads: https://www.openagentskill.com/skills/xjli360-sealeap-amazon-jp-apparel-ads?ref=x Install: npx skills add xjli360/sealeap-amazon-ad-skills --skill sealeap-amazon-jp-apparel...
Sumber listing
Diindeks Registry
Listing ini diindeks dari sumber publik dan belum ditandai resmi hingga klaim pemelihara disetujui.
- Kreator
- xjli360
- Diindeks oleh
- Indeks komunitas OpenAgentSkill
Atribusi menautkan ke repositori publik atau profil kreator. Kreator dapat mengklaim listing untuk memperbarui sinyal kepemilikan.
Klaim skill iniKlaim pemilik
Klaim listing skill ini
Listing Diindeks Registry ini dikaitkan dengan xjli360, tetapi belum ditandai resmi. Klaim untuk menambahkan sinyal pemilik terverifikasi dan membuat pembaruan peluncuran, pemasangan, serta audit berikutnya lebih tepercaya.
Kit backlink kreator
Tambahkan badge bukti ke README Anda
Tampilkan listing kanonis, sinyal kepercayaan dan audit saat ini, serta bukti Agent-Proven nyata di tempat pengembang mengevaluasi repositori.
[](https://www.openagentskill.com/skills/xjli360-sealeap-amazon-jp-apparel-ads)
[](https://www.openagentskill.com/skills/xjli360-sealeap-amazon-jp-apparel-ads)
[](https://www.openagentskill.com/skills/xjli360-sealeap-amazon-jp-apparel-ads/audit)
[](https://www.openagentskill.com/skills/xjli360-sealeap-amazon-jp-apparel-ads)Penulis
xjli360
@xjli360
Tag
Kecocokan platform
Sinyal kesehatan
- Star GitHub
- 16
- Skor kualitas
- 32/100
- Push GitHub terakhir
- 23 Agu 2026
- Petunjuk framework
- Tidak diketahui
- Tampilan OpenAgentSkill
- 0
- Salinan pemasangan
- 0
- Klik keluar
- 0
Sinyal komunitas
Bagikan apakah skill ini bermanfaat untuk alur kerja Agent Anda. Masukan gabungan meningkatkan peringkat dari waktu ke waktu.
Kepercayaan & keamanan
Hanya sandbox
- Adopsi GitHub16 star GitHubPerbaiki
- Aktivitas star/fork16 star dan 1 fork; aktivitas issue tidak tersedia dalam metadata saat iniPerbaiki
- Pemeliharaan terbaruDiperbarui hari iniLulus
- Kejelasan lisensiMITLulus
- Kelengkapan README/SKILL.mdMetadata publik memerlukan konteks README/SKILL.md yang lebih kuatInfo
- Risiko dependensi/runtimeTidak ada petunjuk risiko dependensi besar dalam metadata publikLulus
Skill terkait
Last30days Skill
Research the last 30 days across Reddit, X, YouTube, Hacker News, Polymarket, GitHub, and the web, then synthesize a grounded brief for an AI agent.
53.5K StarAcademic Research Skills
Academic Research Skills for Claude Code: research → write → review → revise → finalize
38.4K StarGPT Researcher
Run autonomous deep research over web and local sources
28.0K StarDeepResearch
Tongyi Deep Research, the Leading Open-source Deep Research Agent
19.8K Star