- name
- deal-hunter-alert-claw
- description
- |
商业捡漏预警虾
核心工作流
第一步：理解监控需求
从用户输入中提取：
- 平台：闲鱼/转转/链家/贝壳/阿里拍卖/政府采购网等（见支持平台列表）
- 筛选条件：关键词、价格上限/下限、地区、折扣阈值
- 通知方式：默认飞书推送
如果用户未指定平台，根据标的类型推断：
- 二手数码/奢侈品 → 闲鱼 + 转转
- 二手房/急售 → 链家 + 贝壳
- 法拍房 → 阿里拍卖 + 京东拍卖
- 招标项目 → 政府采购网 + 招标平台
第二步：构建监控规则
将用户需求转换为规则 JSON：
{
"platform": "xianyu",
"keyword": "iPhone 15 Pro",
"price_max": 5000,
"price_min": 1000,
"min_discount_pct": 20,
"city": "上海",
"notify_channel": "feishu"
}多条规则时使用数组：
[
{"platform": "lianjia", "city": "beijing", "district": "朝阳区", "price_max": 500, "min_discount_pct": 20},
{"platform": "paimai", "city": "beijing", "district": "海淀区", "price_max": 500, "min_discount_pct": 30}
]第三步：执行扫描
# 单条规则（快速测试）
python3 ~/.openclaw/skills/deal-hunter-alert-claw/scripts/monitor.py \
--rule '{"platform":"xianyu","keyword":"iPhone 15","price_max":5000}'
# 规则文件（多平台监控）
python3 ~/.openclaw/skills/deal-hunter-alert-claw/scripts/monitor.py \
--config ~/.openclaw/workspace/deal-hunter-data/rules.json
# JSON 输出（便于后续处理）
python3 ~/.openclaw/skills/deal-hunter-alert-claw/scripts/monitor.py \
--rule '...' --output json第四步：估值与风险评估
脚本自动完成，但对于重要标的需人工复核：
- 读取
references/valuation-models.md进行估值判断 - 读取
references/risk-signals.md识别风险信号 - 高风险标的自动过滤，中风险标的附加提示后推送
第五步：推送飞书预警
扫描完成后，将结果格式化并通过飞书推送给用户：
🦞 捡漏预警 | 闲鱼
📌 iPhone 15 Pro 256G 深空黑 九成新
💰 价格：4200元
📊 市场价：7999元 | 折扣：47.5%
🔗 https://2.taobao.com/item/xxx
⚡ 注意：换过电池，注意续航第六步：持续监控设置（可选）
如果用户需要持续监控，建议通过 OpenClaw cron 定时执行：
- 二手商品：每5-15分钟一次
- 房产/法拍：每30分钟一次
- 招标信息：每天2-4次（工作日）
告知用户设置方式：/cron add "*/15 * * * *" "扫描闲鱼iPhone 15"
支持平台
| 平台标识 | 平台名称 | 适用场景 |
|---|---|---|
xianyu | 闲鱼 | 二手商品 |
zhuanzhuan | 转转 | 二手商品 |
lianjia | 链家 | 二手房/急售 |
ke | 贝壳 | 二手房/急售 |
paimai | 阿里拍卖 | 法拍房/资产 |
jd_auction | 京东拍卖 | 法拍房/资产 |
ccgp | 政府采购网 | 招标 |
bidding | 招标投标平台 | 招标 |
参考资料
- 估值方法：
references/valuation-models.md— 房产/二手商品/招标的快速估值模型 - 平台规则：
references/platform-rules.md— 各平台整理策略、字段结构、反爬策略 - 风险识别：
references/risk-signals.md— 各类标的的风险信号库
⚠️ 当前脚本为示例实现，返回模拟数据。实际部署时需在 scripts/monitor.py 中替换各平台的真实整理逻辑（HTTP 请求或 Selenium）。与其他虾协作
- 发现优质标的后 → 调用 strategy-advisor-claw 评估是否值得投入
- 多渠道推送 → 调用 cross-platform-messenger-claw 同时推送到微信/短信
- 历史数据分析 → 调用 auto-data-analysis-claw 优化监控规则