yindeng_ analyse

自动爬取银登网不良贷款转让公告及结果，支持多模型提取关键金融数据并导出结构化分析报告。

要点与建议： - 功能与代码基本一致：它会爬取银登网页、下载 PDF、做 OCR 并在启用 analyze 时把提取文本发送到第三方 LLM 做结构化提取。 - 敏感数据风险：上传到 LLM 的文本可能包含借款人姓名、金额、身份证/借据号等敏感信息（尽管 ocr_utils 声明移除姓名/身份证识别的逻辑，但不能保证所有文档都无 PII）。在启用 --analyze 或设置 LLM_API_KEY 前，确认是否可以把这些数据发给第三方服务，或先在本地做脱敏处理。 - 清单不一致：registry/skill.json 未列出需设置的环境变量，但 SKILL.md 和代码确实依赖 LLM_API_KEY 等。确保在运行前知道并同意提供哪些密钥。 - 运行环境准备：需系统安装 Tesseract-OCR 和 Poppler，Python 包见 requirements.txt。请在受控环境（如隔离容器）中运行并限制网络/密钥权限以减少风险。 - 合规与礼貌：确认爬取目标网站允许抓取（robots / 服务条款）并控制速率（代码有 REQUEST_DELAY = 1.5s），避免过度请求或违反法律。 -审计建议：如果担心数据外泄，可改造代码使 LLM 分析只在可信内部 LLM 或本地模型上运行，或在发送前先对文本中可能的 PII 做自动脱敏/掩码处理。 综上：技能不是明显恶意，但存在隐私/数据外发风险和元数据不一致，建议在信任 LLM 提供方并采取脱敏/隔离措施后再启用 analyze 功能。

Type: OpenClaw Skill Name: yindenganalyse Version: 1.0.0 The skill is designed for web scraping, PDF processing, and LLM-based data extraction from a specific financial website. All network requests (to yindeng.com.cn and LLM APIs) and file system operations (downloading PDFs, creating Excel reports) are directly aligned with its stated purpose. The code explicitly avoids extracting sensitive personal data like names or ID numbers. While there's an inherent vulnerability in using LLMs to process untrusted PDF content (potential for prompt injection against the LLM), the skill's own prompts and instructions are benign and focused on data extraction, not on exploiting this vulnerability or performing malicious actions. No evidence of data exfiltration, persistence, or other malicious intent was found.