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
- Step 1 init_db.py 按 schema 初始化 SQLite。
- Step 2 fetch_emails_json.py 抓 Gmail 收据(默认上限 50 封)。
- 提取骑行记录入 rides.json 与库。
- 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。
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