Agent Skills
返回列表
IKUN租房避雷报告

IKUN租房避雷报告

数据分析 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @user_d5f611dc/ikun-rent-reports。

技能介绍

要解决什么问题

在成都等城市找房时,避雷信息往往散落在小红书帖子里:小区名、中介套路、扣押金细节埋在评论区,难以按区域或小区做对比。本技能把投稿收录 → AI 结构化 → 人工复核 → 报告输出串成一条本地数据管线,让避雷内容可以按 risk_level、标签和区域查询,而不是每次手工翻帖子。

技能如何工作

收录投稿:用户提供小红书链接时用 kimi_fetch 拉正文,或直接粘贴文本;模型将内容解析为结构化字段(区域、小区、事件类型、风险等级、摘要与建议等),写入 SQLite,状态为 pending,并返回小区名、风险等级、标签与建议供确认。

人工复核:维护者定期处理 pending 投稿,在 Python 侧改状态为 approved 或 rejected,并记录 verifier_notes。

生成报告:通过报告类型切换输出——--type ranking 做 Top20 小区避坑热度、--type district 做指定区域(如成华区)分析、--type stats 做整体统计与高频标签、--type pending 列出待审队列。默认纯文本便于复制到小红书;也可导出 HTML/PDF(PDF 需 weasyprint)。

标签体系覆盖欺诈、合同、设施、扣费、中介等预置分类,解析时可自动匹配或扩展。数据库位于 ~/.openclaw/workspace/data/rental_reporter.db,核心表为 submissions、tags 与 submission_tags。

适用边界与注意点

  • 不包含用户账号、积分或惩罚机制,依赖信息价值与人工终审,不适合当作法律举证或实名举报系统。
  • 设计上不记录房东姓名、电话与具体房号,表述保持中性。
  • 首次使用需先初始化数据库;报告能力以 SKILL.md 所列命令与表结构为准,未实现的功能不要假设存在。

使用场景

  • 收到读者转来的小红书避雷帖链接,需要把正文解析成小区、风险等级和标签并记入本地库等待复核
  • 每周整理 pending 投稿,按区域核对 AI 摘要与建议后批量改为 approved 或 rejected
  • 要在小红书发布成华区租房风险总结,用 --type district 生成可复制的纯文本区域报告
  • 想知道哪些小区在投稿里被提及最多,用 ranking 或 stats 从库内统计而不逐帖翻看

适合人员

  • 运营本地租房避雷账号、需要把零散投稿整理成可查询数据库的维护者
  • 在成都等职住地找房、想按小区与区域对照历史避雷帖的租客
  • 做城市租住调研、要把小红书文本沉淀为标签化数据集的数据分析同学
  • 负责社区内容审核、需区分 AI 初筛与人工终审流程的志愿者编辑