L’interface est localisée ; les présentations et documents des Skills sont traduits automatiquement par IA dans votre langue. Le code, les commandes, chemins et termes techniques restent en version originale, et le document de l’auteur fait foi.
Explorer les Skills
Déploiement et opérations · SKILL.md

sealeap-baxia-amazon-ai-agent-deployment-boundary

sealeap-baxia-amazon-ai-agent-deployment-boundary

Gate adoption of self-hosted open-source AI agent tooling for back-office Amazon operations behind a public-exposure security check and a task-complexity boundary that currently excludes advertising and product-selection decisions. Use for 自建AI智能体自动化前的安全自查、判断哪些环节适合当前交给智能体、智能体使用边界评审. Do not use to hand advertising bid changes, campaign creation, or product-s…

Independent GitHub snapshot · Automated classification · Original documentation governs

Documentation de la Skill

GitHub

name: sealeap-baxia-amazon-ai-agent-deployment-boundary description: "Gate adoption of self-hosted open-source AI agent tooling for back-office Amazon operations behind a public-exposure security check and a task-complexity boundary that currently excludes advertising and product-selection decisions. Use for 自建AI智能体自动化前的安全自查、判断哪些环节适合当前交给智能体、智能体使用边界评审. Do not use to hand advertising bid changes, campaign creation, or product-selection decisions to an unsupervised agent."

Amazon AI智能体接入边界

目标

Gate adoption of self-hosted open-source AI agent tooling for back-office Amazon operations behind a public-exposure security check and a task-complexity boundary that currently excludes advertising and product-selection decisions.

不可妥协的边界

  • 当前 Amazon 官方政策、账户资格、站点字段和一方数据优先于本 Skill 的经验框架。
  • 第三方数据一律标为估算或前台观测,不得写成 Amazon 一方事实。
  • 默认只读诊断和草案;任何广告、Listing、库存、促销或外部系统写操作都需逐项展示并取得明确批准。
  • 一次实验只改变一个主要变量,并记录基线、样本、成功、停止和回退条件。
  • 不得复制来源材料或竞品表达;输出必须按当前任务重新组织并可由现有证据支撑。
  • 开源智能体工具当前适合的任务边界是行业阶段性观察,会随工具成熟度和自身验证结果推移,需要定期重新评估而非一次性定论。
  • 公网暴露实例数量等安全态势数据会持续变化,以官方安全预警发布渠道的最新信息为准,不使用过去的统计数字。
  • 凡涉及自动登录、批量操作店铺后台的智能体配置,需先对照账号关联与安全合规要求评估风险,不确定时保持人工操作。

先判断任务模式

  1. 诊断:读取现状、证据和缺口,不生成线上写入动作。
  2. 方案草案:输出可审核的结构、参数范围、实验和回退值。
  3. 执行准备:只生成待批准变更表或 API/控制台操作草案。
  4. 已批准执行:仅对用户在当前会话明确批准的对象和字段执行,并立即回读核验。

用户未指定时采用“诊断”。

开始前要拿到

  • 目标 marketplace、产品事实、品牌语气和当前政策约束
  • 已授权的 Listing、关键词、评论/VOC、图片和竞品证据
  • 每项数据的来源、时间、站点、样本和限制
  • 人工审核人、发布边界和不可生成的声明或视觉特征

缺失项必须标为 NEEDS_EVIDENCE;不得猜数字、补属性或把不同站点、ASIN、变体、币种和时间窗混在一起。

工作流

先读取 references/playbook.md,确认该方法适用于当前对象。按以下顺序执行:

  1. 部署前确认服务器与实例的访问控制、默认账号密码是否已修改,避免以默认或不当配置暴露在公网。
  2. 按任务盘点候选自动化场景,优先挑选高频、规则清晰、出错影响小的后台环节,例如物流轨迹查询回写、多表数据同步。
  3. 对涉及外部账号或密钥的自动化任务,评估凭证存储与权限范围是否最小化,出错时的影响半径是否可控。
  4. 对广告竞价、活动创建、选品决策等核心且难以回退的业务,暂不交给智能体独立执行,仅允许其做信息收集类的辅助拆解。
  5. 小范围试运行后统计执行准确率、异常处理情况与人工介入频率,达不到预期时收窄自动化范围而不是扩大。
  6. 定期复核官方或行业发布的相关安全预警,出现新的暴露或漏洞提示时立即检查自身实例是否受影响。

最后做数据充分性检查,并把结论分成 FACT / ESTIMATE / HYPOTHESIS / UNKNOWN。若关键证据不足,状态写 HOLD。

必须交付的结果

  • 部署前安全自查清单
  • 自动化场景分级清单
  • 试运行准确率记录
  • 使用边界复核记录
  • 数据范围、来源、采集时间、样本与限制。
  • 关键假设、待补证据、风险和不可确定项。
  • 若有动作:对象、旧值、新值、预期、停止条件、回退值与审批状态。

方案状态使用 READY FOR REVIEW / DRAFT / HOLD / STOP;如已执行,另行记录实际结果及回读证据。未得到明确批准时,不得声称已修改线上对象。

Skills enregistrées