Rental Reporter Skill

使用流程

1. 收录投稿

当用户提供小红书链接或粘贴投稿内容时：

Step 1: 解析内容

如果是链接：使用 kimi_fetch 工具获取页面内容
如果是粘贴文本：直接处理

Step 2: AI结构化 将内容解析为以下JSON格式：

{
  "source_url": "原始链接（如有）",
  "raw_content": "原始投稿全文",
  "district": "区域名称（如：成华区）",
  "neighborhood": "小区/地段名称（如：成量十六号院）",
  "event_type": "事件类型摘要（如：欺诈签约后失联拒退）",
  "risk_level": "high|medium|low",
  "summary": "AI生成的摘要（100字以内）",
  "advice": "给租客的应对建议",
  "amount_involved": "涉及金额（可选）",
  "tags": ["欺诈签约", "失联拒退", "一房多租"]
}

Step 3: 保存到数据库

python ~/.openclaw/workspace/skills/rental-reporter/scripts/parse_submission.py \
  --json '<上面的JSON>'

Step 4: 确认收录 返回给用户：小区名、风险等级、标签、建议。状态为 pending，等待人工复核。

2. 人工复核

每周审核 pending 状态的投稿：

# 生成待审核队列报告
python ~/.openclaw/workspace/skills/rental-reporter/scripts/generate_report.py \
  --type pending --output /tmp/openclaw/pending.html

在Python中操作：

from scripts.db_helper import RentalDB

with RentalDB() as db:
    # 查看待审核列表
    pending = db.get_pending_submissions(limit=20)
    
    # 审核通过
    db.approve_submission(1, notes="内容真实，可发布")
    
    # 审核拒绝
    db.reject_submission(2, notes="信息不足，无法核实")

3. 生成报告

支持的报告类型：

| 报告类型 | 命令 | 说明 | 输出格式 | |----------|------|------|----------| | 小区热度排行 | --type ranking | Top20小区避坑热度排行 | text/html/pdf | | 区域风险报告 | --type district --district 成华区 | 指定区域的详细分析 | text/html/pdf | | 数据总览 | --type stats | 整体统计、区域分布、高频标签 | text/html/pdf | | 待审核队列 | --type pending | 待人工复核的投稿列表 | text |

默认输出纯文本格式（推荐，可直接复制粘贴到小红书）：

python ~/.openclaw/workspace/skills/rental-reporter/scripts/generate_report.py \
  --type stats

生成小红书风格的纯文本报告并保存：

python ~/.openclaw/workspace/skills/rental-reporter/scripts/generate_report.py \
  --type ranking \
  --format text \
  --output /tmp/openclaw/report_ranking.txt

生成HTML报告：

python ~/.openclaw/workspace/skills/rental-reporter/scripts/generate_report.py \
  --type stats \
  --format html \
  --output /tmp/openclaw/report_stats.html

生成PDF报告（需要安装weasyprint）：

pip install weasyprint
python ~/.openclaw/workspace/skills/rental-reporter/scripts/generate_report.py \
  --type stats \
  --format pdf \
  --output /tmp/openclaw/report_stats.pdf

4. 数据查询

from scripts.db_helper import RentalDB

with RentalDB() as db:
    # 查区域统计
    stats = db.get_district_stats()
    
    # 查小区排行
    ranking = db.get_neighborhood_stats(limit=10)
    
    # 查标签统计
    tags = db.get_tag_stats()
    
    # 查最新投稿
    subs = db.get_submissions(status='approved', limit=20)
    
    # 查数据汇总
    counts = db.get_counts()

数据库Schema

详见 references/schema.md

核心表：

submissions - 投稿主表（14个字段，极简设计）
tags - 标签表（预置19个常用标签）
submission_tags - 投稿标签关联
reports - 报告记录

submissions 表字段

| 字段 | 类型 | 说明 | |------|------|------| | id | INTEGER | 自增主键 | | source_url | TEXT | 小红书链接 | | raw_content | TEXT | 原始投稿全文（必填） | | district | TEXT | 区域 | | neighborhood | TEXT | 小区 | | event_type | TEXT | 事件类型概括 | | risk_level | TEXT | high/medium/low | | summary | TEXT | AI摘要 | | advice | TEXT | 应对建议 | | amount_involved | TEXT | 涉及金额（文本） | | status | TEXT | pending/approved/rejected | | ai_reviewed | BOOLEAN | AI是否已初筛 | | human_verified | BOOLEAN | 人工是否复核 | | verifier_notes | TEXT | 审核备注 | | created_at | TIMESTAMP | 收录时间 | | updated_at | TIMESTAMP | 更新时间 |

标签体系

预置标签分类：

fraud（欺诈类）: 虚假房源、低价引流、二房东跑路、诈骗定金、租金贷
contract（合同类）: 合同欺诈、口头承诺不兑现、合同期内涨租、禁止转租
facility（设施类）: 违规隔断、甲醛超标、设施老化
deduction（扣费类）: 恶意扣押金、物业费隐瞒、虚假转让费
agent（中介类）: 中介费争议
other（其他）: 暴力清退、失联拒退、一房多租

AI解析时应根据内容自动匹配标签，也可新增标签。

设计原则

极简：无用户系统、无积分、无token、无惩罚
匿名：投稿人无需身份，内容靠信息价值驱动
AI初筛+人工复核：AI做解析和初筛，人工做最终审核
隐私保护：不记录房东姓名、电话、具体房号
中性表述：避免"黑房东"等定性词汇

首次使用

需要先初始化数据库：

python ~/.openclaw/workspace/skills/rental-reporter/scripts/init_db.py

数据库位置：~/.openclaw/workspace/data/rental_reporter.db