mathem-shopping

Automatiserar att logga in på Mathem.se, söka och lägga till varor från en lista eller recept, hantera ersättningar enligt policy och reservera leveranstid, men lämnar varukorgen redo för manuell checkout.

16 stars

Best use case

mathem-shopping is best used when you need a repeatable AI agent workflow instead of a one-off prompt.

Automatiserar att logga in på Mathem.se, söka och lägga till varor från en lista eller recept, hantera ersättningar enligt policy och reservera leveranstid, men lämnar varukorgen redo för manuell checkout.

Teams using mathem-shopping should expect a more consistent output, faster repeated execution, less prompt rewriting.

When to use this skill

  • You want a reusable workflow that can be run more than once with consistent structure.

When not to use this skill

  • You only need a quick one-off answer and do not need a reusable workflow.
  • You cannot install or maintain the underlying files, dependencies, or repository context.

Installation

Claude Code / Cursor / Codex

$curl -o ~/.claude/skills/mathem-shopping/SKILL.md --create-dirs "https://raw.githubusercontent.com/diegosouzapw/awesome-omni-skill/main/skills/data-ai/mathem-shopping/SKILL.md"

Manual Installation

  1. Download SKILL.md from GitHub
  2. Place it in .claude/skills/mathem-shopping/SKILL.md inside your project
  3. Restart your AI agent — it will auto-discover the skill

How mathem-shopping Compares

Feature / Agentmathem-shoppingStandard Approach
Platform SupportNot specifiedLimited / Varies
Context Awareness High Baseline
Installation ComplexityUnknownN/A

Frequently Asked Questions

What does this skill do?

Automatiserar att logga in på Mathem.se, söka och lägga till varor från en lista eller recept, hantera ersättningar enligt policy och reservera leveranstid, men lämnar varukorgen redo för manuell checkout.

Where can I find the source code?

You can find the source code on GitHub using the link provided at the top of the page.

SKILL.md Source

# Mathem Shopping Agent

## När ska denna skill användas

Använd denna skill när användaren vill:

- Logga in på Mathem.se med sitt konto
- Söka och lägga varor i varukorg baserat på:
  - En specifik inköpslista
  - Ingredienser från ett recept
- Hantera ersättningar enligt `SUBSTITUTION_POLICY.md`
- Välja en lämplig leveranstid
- Lämna en färdig varukorg redo för användaren att avsluta köp

## Instruktioner

### 1. Logga in på Mathem.se

1. Gå till Mathem.se:s inloggningssida.
2. Använd de angivna användaruppgifterna för att logga in.
3. Säkerställ att sessionen är etablerad för följande steg.

**Villkor**

- Inloggning måste ske säkert.
- Inga inloggningsuppgifter får sparas utanför sessionshantering.

### 2. Tolka användarens lista eller recept

Agenten ska:

- Extrahera ingredienser från användarens lista eller recepttext.
- Normalisera mängder och enheter.
- Organisera sökfrågor för varje produkt.

### 3. Söka produkter

För varje ingrediens:

1. Använd Mathem.se:s sökfunktion.
2. Om exakt produkt finns → lägg i varukorgen.
3. Om exakt produkt **inte** finns → följ `SUBSTITUTION_POLICY.md`.

Rapportera:

- Eventuella byten
- Kombinerade förpackningar
- Saknade produkter

### 4. Hantera ersättningar

Agenten ska använda `SUBSTITUTION_POLICY.md` för att välja:

- Rimliga ersättningar
- Kombinera produkter för att nå önskad mängd
- Aldrig välja alternativ som strider mot policyn

Efter att hela listan är processad, sammanställ en rapport i det format som anges i policyn.

### 5. Välj leveranstid

1. Hämta tillgängliga leveranstider för användarens postnummer.
2. Matcha mot användarens önskemål om datum/tidsintervall.
3. Reservera en passande tid.
4. Bekräfta att reservationen är giltig (t.ex. att den inte försvinner direkt).

**Viktigt**

- Slutför **inte** betalningen.
- Reservationer på Mathem.se kan vara tidsbaserade; säkra reservationen men lämna checkout till användaren.

### 6. Lämna varukorgen redo

När alla varor är lagda och leveranstiden är vald:

- Skapa en sammanfattning:
  - Tillagda produkter
  - Ersättningar
  - Kombinationsdetaljer
  - Saknade produkter
  - Vald leveranstid
- Presentera detta för användaren.
- Ge en länk eller instruktion till användaren om hur de avslutar köpet.

## Exempel på användningscase

**Inköpslista**

> Users: "Jag behöver mjölk, ägg, grädde 40% och färsk koriander"

Agenten ska:

- Söka varje produkt
- Ersätta om ett alternativ matchar policyn
- Rapportera ersättningar i slutrapporten

**Receptbaserad handling**

> Users: "Lägg till alla ingredienser från det här receptet: [URL till recept]"

Agenten ska:

- Parsat receptet
- Extrahera ingredienser
- Söka och lägga till dem enligt ovan

## Rapportformat som ska skickas till användaren

**Tillagt utan ändring**

- Produkt A – vald produkt

**Ersatt**

- Produkt B (begärt) → Ersatt med Produkt C (vald)

**Kombinerat**

- Produkt D 300g → 2 × 150g (valda)

**Saknade**

- Produkt E (inget rimligt alternativ)

**Leveranstid**

- Datum och tidsintervall reserverat

**Sammanfattning**

> 🧾 Varukorgen är klar. Jag har gjort vissa ersättningar – granska dem gärna innan du slutför köpet.

---

## Policyreferenser

Se även de inkluderadePolicies:

- `references/SUBSTITUTION_POLICY.md`

---

## Begränsningar och ansvar

- Agenten ska aldrig göra betalningar.
- Agenten ska inte spara användarens lösenord utanför sessionshantering.
- Alla ändringar ska rapporteras tydligt.

Related Skills

Shopping Cart

16
from diegosouzapw/awesome-omni-skill

A shopping cart is a critical component of any e-commerce system, allowing users to collect items for purchase. This guide covers various cart architectures and implementations, including guest carts,

bgo

10
from diegosouzapw/awesome-omni-skill

Automates the complete Blender build-go workflow, from building and packaging your extension/add-on to removing old versions, installing, enabling, and launching Blender for quick testing and iteration.

Coding & Development

moai-lang-r

16
from diegosouzapw/awesome-omni-skill

R 4.4+ best practices with testthat 3.2, lintr 3.2, and data analysis patterns.

moai-lang-python

16
from diegosouzapw/awesome-omni-skill

Python 3.13+ development specialist covering FastAPI, Django, async patterns, data science, testing with pytest, and modern Python features. Use when developing Python APIs, web applications, data pipelines, or writing tests.

moai-icons-vector

16
from diegosouzapw/awesome-omni-skill

Vector icon libraries ecosystem guide covering 10+ major libraries with 200K+ icons, including React Icons (35K+), Lucide (1000+), Tabler Icons (5900+), Iconify (200K+), Heroicons, Phosphor, and Radix Icons with implementation patterns, decision trees, and best practices.

moai-foundation-trust

16
from diegosouzapw/awesome-omni-skill

Complete TRUST 4 principles guide covering Test First, Readable, Unified, Secured. Validation methods, enterprise quality gates, metrics, and November 2025 standards. Enterprise v4.0 with 50+ software quality standards references.

moai-foundation-memory

16
from diegosouzapw/awesome-omni-skill

Persistent memory across sessions using MCP Memory Server for user preferences, project context, and learned patterns

moai-foundation-core

16
from diegosouzapw/awesome-omni-skill

MoAI-ADK's foundational principles - TRUST 5, SPEC-First TDD, delegation patterns, token optimization, progressive disclosure, modular architecture, agent catalog, command reference, and execution rules for building AI-powered development workflows

moai-cc-claude-md

16
from diegosouzapw/awesome-omni-skill

Authoring CLAUDE.md Project Instructions. Design project-specific AI guidance, document workflows, define architecture patterns. Use when creating CLAUDE.md files for projects, documenting team standards, or establishing AI collaboration guidelines.

moai-alfred-language-detection

16
from diegosouzapw/awesome-omni-skill

Auto-detects project language and framework from package.json, pyproject.toml, etc.

mnemonic

16
from diegosouzapw/awesome-omni-skill

Unified memory system - aggregates communications and AI sessions across all channels into searchable, analyzable memory

mlops

16
from diegosouzapw/awesome-omni-skill

MLflow, model versioning, experiment tracking, model registry, and production ML systems