CoPAW 银登公告与结果爬取 Skill

这是一个用于 CoPAW (Copilot Automation Workflow) 的标准 Skill，支持自动爬取银登网不良贷款转让公告及转让结果，并利用大模型（LLM）提取关键数据。

目录结构

yindeng_skill/
├── skill.py             # 标准 Skill 接口 (Agent/Tool Use)
├── skill.json           # Skill 元数据定义
├── main.py              # CLI 入口脚本
├── crawler.py           # 核心爬虫逻辑
├── ocr_utils.py         # OCR 与数据汇总工具
├── requirements.txt     # 依赖清单
└── SKILL.md             # 说明文档

Agent 集成 (CoPaw / Tool Use)

本 Skill 提供了标准的 Python 函数接口和 JSON Schema 定义，可供 AI Agent 直接调用。

Python 接口

from skill import run_yindeng_crawler

# 爬取并分析
result = run_yindeng_crawler(source="result", analyze=True)
print(result)

Skill 定义 (skill.json)

包含完整的工具描述和参数定义，符合 OpenAI/Anthropics Tool Schema 标准。

功能特性

1. 多任务支持：可同时爬取“转让公告”和“转让结果公告”。
2. 自动爬取：根据日期（自动计算或指定）爬取银登网公告并下载 PDF。
3. 智能分析：支持多模型（DeepSeek、千问、硅基流动等）提取 PDF 中的关键金融数据。
4. 数据导出：
   • 爬取记录 Excel
   • 债权转让证明信息汇总（仅结果公告，含 OCR 数据）
   • LLM 分析结果报表 (

     analysis_result.xlsx

     )

部署与使用

1. 安装依赖

在运行环境或 Docker 容器中安装 Python 依赖（需提前安装 Tesseract-OCR 和 Poppler）：

pip install -r requirements.txt

2. 环境变量配置 (LLM)

设置以下环境变量以启用 LLM 分析功能。本 Skill 支持多种 LLM 提供商。

通用配置

• LLM_API_KEY

  : (必须) 您的 API Key。

• LLM_PROVIDER

  : (可选) 指定服务商，如

  deepseek

  ,

  siliconflow

  ,

  qwen

  。默认为

  deepseek

  。

• LLM_API_BASE

  : (可选) API 基础地址。

• LLM_MODEL

  : (可选) 模型名称。

常用服务商配置示例

DeepSeek (默认)

export LLM_API_KEY="sk-..."
export LLM_PROVIDER="deepseek"
# 默认 BASE: https://api.deepseek.com/v1
# 默认 MODEL: deepseek-chat

硅基流动 (SiliconFlow)

export LLM_API_KEY="sk-..."
export LLM_PROVIDER="siliconflow"
# 默认 BASE: https://api.siliconflow.cn/v1
# 默认 MODEL: deepseek-ai/DeepSeek-V3

通义千问 (DashScope/Aliyun)

export LLM_API_KEY="sk-..."
export LLM_PROVIDER="qwen"
# 默认 BASE: https://dashscope.aliyuncs.com/compatible-mode/v1
# 默认 MODEL: qwen-plus

3. 调用方式

默认运行（爬取公告 + 结果）：

python main.py

仅爬取转让结果：

python main.py --source result

爬取并启用 LLM 分析：

python main.py --analyze

指定日期运行：

python main.py 2026-03-03

输出结果

• 转让公告:

  YYYY-MM-DD银登公告/

• 转让结果:

  YYYY-MM-DD银登公告结果/

  • *债权转让证明信息汇总.xlsx

    : 包含 OCR 识别后的结构化数据。

  • analysis_result.xlsx

    : 包含 LLM 提取的深度分析数据。

退出码说明

• 0

  : 成功且有新数据。

• 2

  : 成功但暂无更新（所有任务均无新增数据）。

• 1

  : 运行出错。