AI Skill 大全

骑行数据分析

从 Gmail 收据邮件(Uber/Bolt/Lyft 等)提取骑行记录入 SQLite,输出 emails/rides JSON 与可查询数据库及匿名 CSV。

功能与用途

该能力专为本地分析打车消费与行程模式设计。通过接入 Gmail 账号读取 Uber、Bolt、Lyft 等平台的电子收据,在本地环回网关中解析行程详情,并将清洗后的标准化字段存入 SQLite 数据库与 JSON 文件,还能导出已去标识化的 CSV 报告。全流程在本地执行,原始邮件与位置等敏感信息不外流。需要配置 gog CLI、本地 OpenClaw 网关及 Python3 环境。

适用场景

  • 打车开销与频次审计:自动汇总各打车平台的电子账单,统计指定时间范围内的总花费、订单量与常用出行时段。
  • 常去路线与出行规律分析:从历史订单中提取上下车地点,梳理高频通勤路线和常驻锚点,掌握个人移动轨迹特征。
  • 导出匿名化出行数据集:剔除姓名与原始邮件等敏感标识符,生成脱敏 CSV 报表,用于共享数据或参与积分任务。

适用人群

  • 骑行用户
  • 个人用户
  • 出行分析者

使用步骤

  1. Step 1 init_db.py 按 schema 初始化 SQLite。
  2. Step 2 fetch_emails_json.py 抓 Gmail 收据(默认上限 50 封)。
  3. 提取骑行记录入 rides.json 与库。
  4. 导出匿名 CSV(敏感,谨慎)。

开始使用

将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。

查看 MCP 接入说明

技术信息

分类
生活
适用工具
Codex、Claude Code、OpenClaw、Hermes、国内 Agent
使用难度
进阶
版本
0.1.0
最近更新
2026-05-11
文件数
3
安装包大小
自动生成 ZIP
安全检查
基础检查通过

Fetch and extract ride-sharing receipts from Gmail locally using OpenClaw to analyze ride patterns and create anonymized shareable reports.

使用前准备

  • Gmail 账户与访问授权
  • 本地 Python 运行环境与 schema 文件

依赖与权限

  • OPENCLAW_GATEWAY_TOKEN
  • OPENCLAW_GATEWAY_URL
  • 读取用户主动提供的内容

同类 Skill