小红书全栈采集专家

专业采集小红书关键词及博主数据，分析爆款笔记和粉丝活跃度，支持定时跟踪及飞书多维表格输出。

几个在意的点： 1) 飞书凭据未列出：SKILL.md 要求 app_token 和 table_id 用于输出，但技能元数据没有声明任何需要的环境变量或凭证。安装前确认开发者如何要求你提供这些凭证（UI 安全存储？明文配置？）。 2) 需要登录会话 / 本地脚本：说明依赖“浏览器专家”访问小红书并检查账号注册/实名/违规等信息，这通常需要浏览器已登录并可访问用户会话（cookies）。确认代理会如何获得会话：是否使用你的真实账号、是否要求你手动登录、是否会保存或上传会话数据。说明还引用绝对本地路径 (/Users/sue/...)，不要在不信任的代码中随意创建或执行来自不明来源的本地脚本。 3) 数据范围和合规性：技能要求抓取原文、图片、评论并保留原文占比≥90%，这可能违反平台条款或侵犯内容所有者权利。考虑法律/合规风险，并在生产账号上先用受控或测试账号试验。 4) 长期/自动运行风险：若启用定时任务，技能会持续使用凭据并定期访问目标站点。仅在你理解并信任凭据存储与任务行为时开启，并尽量限定任务频率与采集量。 推荐操作：要求技能作者/发布者补充文档说明（如何提供飞书凭证、浏览器会话的使用与存储策略、本地脚本用途），在隔离/测试账号上先运行，且不要在不信任来源上放入自动运行的凭证或脚本。

Type: OpenClaw Skill Name: xiaohongshu-expert Version: 1.0.0 The skill bundle is designed for automated scraping and analysis of Xiaohongshu (Red) content, including notes, comments, and blogger profiles. It is classified as suspicious primarily due to the inclusion of hardcoded absolute file paths (e.g., `/Users/sue/.openclaw/workspace/scripts/search_delay.py`) and instructions for the agent to modify the Python environment (`sys.path.append`) to execute local scripts. While these actions are framed as 'risk control' to avoid platform bans, hardcoding user-specific paths and performing manual path manipulation for code execution are risky practices that could lead to local file inclusion or execution errors. The skill also requires Feishu (Lark) Bitable credentials for data export, which is consistent with its stated purpose but adds to the overall risk profile.