🎯 openclaw技巧linkedin垃圾邮件过滤器
 
通过Beeper MCP检测LinkedIn垃圾邮件和潜在邮件。自动生成建议响应（FR/EN），并进行人工确认。
快速开始
git clone https://github.com/manthis/openclaw-skill-linkedin-spam-filter.git
cd openclaw-skill-linkedin-spam-filter
# Test detection locally
python3 scripts/linkedin-spam-filter.py --test-text "Hi, I have an exciting opportunity for you"
# Full check (requires Beeper MCP)
export BEEPER_SERVER="beeper"
python3 scripts/linkedin-spam-filter.py --dry-run --json配置
| 变量 | 默认值 | 描述 |
|---|---|---|
BEEPER_SERVER | beeper | Beeper MCP服务器名称 |
LINKEDIN_ROOM_PATTERN | linkedin | 房间名称过滤器 |
SPAM_PATTERNS | （内置） | 检测正则表达式 |
RESPONSE_TEMPLATES | （内置） | JSON响应模板 |
⚠️ 安全： 切勿在配置文件中存储MCP令牌或凭据。
工作流程
- 检测 垃圾邮件通过
linkedin-spam-filter.py --json - 审查 建议的回应
- 发送 响应通过
scripts/send-response.py --chat-id --message "" - 档案 自动（通过send-response.py完成）
⚠️ 重要提示： 在发送回复后始终存档聊天，以保持LinkedIn收件箱的整洁。
特性
- 🔍 基于模式的前瞻性检测（FR+EN）
- 💬 自动生成的响应建议
- 🌍 语言自动检测（法语/英语）
- 🛡️ 人在循环中——从不自动发送
- 📊 用于自动化的JSON输出
- 🧪 独立测试模式(
--test-text) - 📥 响应后自动存档
需求
- Python 3.8+
mcporter带Beeper MCP的CLI（用于实时检查）
许可证
麻省理工学院