咸鱼自动发货

闲鱼自动发货框架 - 一个可扩展的闲鱼虚拟商品自动化发货系统。提供核心的付款检测逻辑，发货流程完全可自定义。 - 核心功能：自动检测买家付款（系统卡片识别） - 可扩展：支持任意发货方式（秘钥、链接、图片、文件、自定义API等） - 灵活配置：通过脚本或配置文件自定义发货逻辑 - 内置模板：提供多种常见发货场景的...

要点与建议： - 功能一致性：该包确实实现了“闲鱼自动发货”功能（页面快照、识别付款卡片、调用发货钩子、模板化发货）。 - 在运行前必须审阅：逐个打开并审查 fulfillment-templates/*、monitor 脚本与 quick-start 中生成/引用的 my-fulfillment.sh，确保没有植入你不希望自动运行的命令或网络请求。 - 小心 Chrome 配置文件（PROFILE）：脚本要求使用你现有的 Chrome 配置以保留登录状态。那会暴露你的 cookies、会话和可能保存的凭据。为安全起见： - 使用一个“干净”的/专用的 Chrome 用户配置文件（新建浏览器配置，仅用于此自动化），不要用包含其他站点会话或敏感账户的主配置。 - 不要以 root 身份运行这些脚本。将日志和 key 文件放在受控目录而非硬编码的其他用户目录。 - 修复硬编码路径：某些脚本含有 /Users/yuehuali/... 之类的绝对路径。部署前把它们改为相对路径或配置变量，避免无意读取/写入到开发者主目录。 - 检查和限制模板行为：发货模板被 source 后会在当前 shell 中执行任意命令。只使用你信任的模板，或在隔离环境（容器、专用虚拟机、专用用户）中运行，以限制潜在破坏范围。 - 审查外部 API/凭据：如果使用 API 发货模板（05-api-delivery.sh）或 Telegram 通知，确保 API_ENDPOINT 与 API_KEY 可被信任；避免把高权限或长期有效密钥写在脚本中，优先使用环境变量或短期凭证，并限制 API 的权限。 - 日志与密钥文件权限：keys.txt、used-keys.txt 与日志可能包含敏感数据（发货码、买家信息）。设置合适的文件权限（chmod 600）并避免把这些文件放入公开或同步目录。 - 兼容性与合规：自动化与模拟用户行为可能违反闲鱼/平台条款。确认这样做不违反目标平台的使用条款或法律。 - 可行的安全措施：在受控环境（专用浏览器配置、Docker/VM、专用系统用户）中测试；在部署前把 quick-start 的自动安装命令改为手动核准步骤；限制网络访问以防模板向未知域外泄密。 总结：如果你理解这些风险并采取上述缓解措施，该技能在功能上是连贯的；否则建议不要直接在包含敏感会话/凭据的主环境中运行。

Type: OpenClaw Skill Name: xianyu-auto-saler Version: 1.0.0 The skill is designed for automated virtual goods fulfillment on Xianyu, using browser automation (`agent-browser`). While its core functionality is benign, it is classified as 'suspicious' due to several practices that introduce vulnerabilities, primarily in `quick-start.sh` and the general design. The `quick-start.sh` script generates a `monitor.sh` file that hardcodes the user-provided `SECRET_KEY` directly into the script, which is a significant security vulnerability (hardcoding secrets). Additionally, the main monitoring scripts (`monitor.sh`, `xianyu-monitor-agent.sh`) use `source` to load user-defined fulfillment scripts (`my-fulfillment.sh`). While the provided templates are benign, this pattern allows for arbitrary code execution if a user were to replace `my-fulfillment.sh` with a malicious script, making the skill's execution environment vulnerable to user-supplied code. There is no evidence of intentional malicious behavior (e.g., unauthorized data exfiltration, backdoors, or malicious prompt injection against the agent) by the skill developer, but these design choices create clear attack surfaces.