Gestion des données FireCrawl

VérifiéSûr

Implémentez la gestion des PII, la conservation des données et la conformité RGPD/CCPA pour FireCrawl.

Spar Skills Guide Bot
SecuriteIntermédiaire
26/07/2026
Claude CodeCursorWindsurf
#gdpr#pii#data-retention#privacy#firecrawl

Recommandé pour

Synthèse automatique

Ce skill fournit des modèles TypeScript pour détecter et masquer les données personnelles, définir des durées de conservation et implémenter les demandes d'accès et de suppression GDPR/CCPA dans une intégration FireCrawl.

Points forts

  • Fournit des regex prêtes à l'emploi pour détecter e-mails, téléphones, SSN et numéros de carte
  • Propose une table de classification des données (PII, sensible, métier, public) avec règles de traitement associées
  • Inclut des exemples concrets d'export DSAR, de suppression et de journal d'audit conservé après suppression
  • Décrit un job de nettoyage planifié qui épargne les journaux d'audit et de conformité

Limites

  • Les patterns de détection restent basiques (regex) et ne couvrent pas les PII non structurées ou internationales
  • Le code suppose des API FireCrawl (getUserData, deleteUser) et un schéma de base de données qui ne sont pas documentés
  • Ne traite pas du chiffrement au repos, du masquage en sortie de LLM ni des transferts transfrontaliers
Quand l'utiliser

À utiliser lorsqu'on doit ajouter du masquage de PII, des politiques de rétention ou des procédures GDPR/CCPA à une intégration FireCrawl existante.

Quand l'éviter

À éviter si le projet n'utilise pas FireCrawl ou si l'on cherche une solution complète de gouvernance des données couvrant chiffrement et flux inter-systèmes.

Analyse de sécurité

Sûr
Score qualité85/100

The skill provides guidance and code examples for PII detection, redaction, retention, and GDPR/CCPA compliance with FireCrawl. It does not instruct destructive actions, data exfiltration, obfuscation, or disabling safety features. The allowed tools (Read, Write, Edit) are used only for file editing, and the code examples are illustrative patterns, not commands to execute malicious operations.

Aucun point d'attention détecté

Comment cette analyse est faite

Exemples

Redact PII before logging
Add PII redaction to my FireCrawl request logging so emails and API keys never appear in the logs.
Set a retention policy
Write a scheduled cleanup job that deletes FireCrawl API logs after 30 days but keeps audit logs for 7 years.
Handle a deletion request
Implement a GDPR right-to-deletion flow for a FireCrawl user: delete remote data, purge my local cache, and write an audit entry.

name: firecrawl-data-handling description: | Implement FireCrawl PII handling, data retention, and GDPR/CCPA compliance patterns. Use when handling sensitive data, implementing data redaction, configuring retention policies, or ensuring compliance with privacy regulations for FireCrawl integrations. Trigger with phrases like "firecrawl data", "firecrawl PII", "firecrawl GDPR", "firecrawl data retention", "firecrawl privacy", "firecrawl CCPA". allowed-tools: Read, Write, Edit version: 1.0.0 license: MIT author: Jeremy Longshore jeremy@intentsolutions.io

FireCrawl Data Handling

Overview

Handle sensitive data correctly when integrating with FireCrawl.

Prerequisites

  • Understanding of GDPR/CCPA requirements
  • FireCrawl SDK with data export capabilities
  • Database for audit logging
  • Scheduled job infrastructure for cleanup

Data Classification

| Category | Examples | Handling | |----------|----------|----------| | PII | Email, name, phone | Encrypt, minimize | | Sensitive | API keys, tokens | Never log, rotate | | Business | Usage metrics | Aggregate when possible | | Public | Product names | Standard handling |

PII Detection

const PII_PATTERNS = [
  { type: 'email', regex: /[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}/g },
  { type: 'phone', regex: /\b\d{3}[-.]?\d{3}[-.]?\d{4}\b/g },
  { type: 'ssn', regex: /\b\d{3}-\d{2}-\d{4}\b/g },
  { type: 'credit_card', regex: /\b\d{4}[- ]?\d{4}[- ]?\d{4}[- ]?\d{4}\b/g },
];

function detectPII(text: string): { type: string; match: string }[] {
  const findings: { type: string; match: string }[] = [];

  for (const pattern of PII_PATTERNS) {
    const matches = text.matchAll(pattern.regex);
    for (const match of matches) {
      findings.push({ type: pattern.type, match: match[0] });
    }
  }

  return findings;
}

Data Redaction

function redactPII(data: Record<string, any>): Record<string, any> {
  const sensitiveFields = ['email', 'phone', 'ssn', 'password', 'apiKey'];
  const redacted = { ...data };

  for (const field of sensitiveFields) {
    if (redacted[field]) {
      redacted[field] = '[REDACTED]';
    }
  }

  return redacted;
}

// Use in logging
console.log('FireCrawl request:', redactPII(requestData));

Data Retention Policy

Retention Periods

| Data Type | Retention | Reason | |-----------|-----------|--------| | API logs | 30 days | Debugging | | Error logs | 90 days | Root cause analysis | | Audit logs | 7 years | Compliance | | PII | Until deletion request | GDPR/CCPA |

Automatic Cleanup

async function cleanupFireCrawlData(retentionDays: number): Promise<void> {
  const cutoff = new Date();
  cutoff.setDate(cutoff.getDate() - retentionDays);

  await db.firecrawlLogs.deleteMany({
    createdAt: { $lt: cutoff },
    type: { $nin: ['audit', 'compliance'] },
  });
}

// Schedule daily cleanup
cron.schedule('0 3 * * *', () => cleanupFireCrawlData(30));

GDPR/CCPA Compliance

Data Subject Access Request (DSAR)

async function exportUserData(userId: string): Promise<DataExport> {
  const firecrawlData = await firecrawlClient.getUserData(userId);

  return {
    source: 'FireCrawl',
    exportedAt: new Date().toISOString(),
    data: {
      profile: firecrawlData.profile,
      activities: firecrawlData.activities,
      // Include all user-related data
    },
  };
}

Right to Deletion

async function deleteUserData(userId: string): Promise<DeletionResult> {
  // 1. Delete from FireCrawl
  await firecrawlClient.deleteUser(userId);

  // 2. Delete local copies
  await db.firecrawlUserCache.deleteMany({ userId });

  // 3. Audit log (required to keep)
  await auditLog.record({
    action: 'GDPR_DELETION',
    userId,
    service: 'firecrawl',
    timestamp: new Date(),
  });

  return { success: true, deletedAt: new Date() };
}

Data Minimization

// Only request needed fields
const user = await firecrawlClient.getUser(userId, {
  fields: ['id', 'name'], // Not email, phone, address
});

// Don't store unnecessary data
const cacheData = {
  id: user.id,
  name: user.name,
  // Omit sensitive fields
};

Instructions

Step 1: Classify Data

Categorize all FireCrawl data by sensitivity level.

Step 2: Implement PII Detection

Add regex patterns to detect sensitive data in logs.

Step 3: Configure Redaction

Apply redaction to sensitive fields before logging.

Step 4: Set Up Retention

Configure automatic cleanup with appropriate retention periods.

Output

  • Data classification documented
  • PII detection implemented
  • Redaction in logging active
  • Retention policy enforced

Error Handling

| Issue | Cause | Solution | |-------|-------|----------| | PII in logs | Missing redaction | Wrap logging with redact | | Deletion failed | Data locked | Check dependencies | | Export incomplete | Timeout | Increase batch size | | Audit gap | Missing entries | Review log pipeline |

Examples

Quick PII Scan

const findings = detectPII(JSON.stringify(userData));
if (findings.length > 0) {
  console.warn(`PII detected: ${findings.map(f => f.type).join(', ')}`);
}

Redact Before Logging

const safeData = redactPII(apiResponse);
logger.info('FireCrawl response:', safeData);

GDPR Data Export

const userExport = await exportUserData('user-123');
await sendToUser(userExport);

Resources

Next Steps

For enterprise access control, see firecrawl-enterprise-rbac.

Du fichier au premier essai

Le téléchargement contient exactement le contenu affiché sur cette fiche. Cette copie peut différer de la dernière version du dépôt source.

Consulter la source et ses fichiers annexes

Ce téléchargement contient uniquement SKILL.md. Les scripts, références, modèles et dépendances éventuels ne sont pas inclus. Récupérez les fichiers nécessaires depuis la source en conservant leur arborescence avant de poursuivre.

1. Télécharger le fichier

Télécharger SKILL.md

Depuis la racine d’un projet de test, enregistrez le fichier sous .skill-downloads/firecrawl-data-handling-ms1aw5cp/SKILL.md, ou utilisez la commande suivante. Ce dossier sert à examiner la skill avant son installation.

Commande pour macOS/Linux ou WSL : un shell POSIX et curl sont nécessaires. Sous Windows sans WSL, utilisez le bouton de téléchargement et créez le dossier manuellement.

mkdir -p '.skill-downloads/firecrawl-data-handling-ms1aw5cp' && curl --fail --show-error --location 'https://skills-guides.com/api/skills/firecrawl-data-handling-ms1aw5cp/download' --output '.skill-downloads/firecrawl-data-handling-ms1aw5cp/SKILL.md.part' && mv '.skill-downloads/firecrawl-data-handling-ms1aw5cp/SKILL.md.part' '.skill-downloads/firecrawl-data-handling-ms1aw5cp/SKILL.md'

2. Vérifier les prérequis

Lisez SKILL.md avant de l’utiliser. Si le fichier cite des scripts ou services externes, examinez-les et préparez les accès nécessaires dans votre environnement de test.

Outils déclarés par l’auteur (à vérifier dans votre agent) : Read, Write, Edit

Extrait original : Prerequisites
  • Understanding of GDPR/CCPA requirements
  • FireCrawl SDK with data export capabilities
  • Database for audit logging
  • Scheduled job infrastructure for cleanup

Les plateformes de la fiche sont des indications du catalogue. Les chemins ci-dessous suivent la documentation des outils ; ils ne prouvent pas que cette skill y a été exécutée. Aucune version minimale de ces outils n’est attestée pour cette fiche.

3. Charger la skill

Après vérification, copiez le dossier complet dans le projet avec l’une des commandes ci-dessous, puis ouvrez une nouvelle session de l’outil. La commande s’arrête si un dossier du même nom existe déjà : comparez les fichiers avant de le remplacer.

Claude Code
test -f '.skill-downloads/firecrawl-data-handling-ms1aw5cp/SKILL.md' && test -s '.skill-downloads/firecrawl-data-handling-ms1aw5cp/SKILL.md' && mkdir -p '.claude/skills' && test ! -e '.claude/skills/firecrawl-data-handling' && cp -R '.skill-downloads/firecrawl-data-handling-ms1aw5cp' '.claude/skills/firecrawl-data-handling'

Cursor
test -f '.skill-downloads/firecrawl-data-handling-ms1aw5cp/SKILL.md' && test -s '.skill-downloads/firecrawl-data-handling-ms1aw5cp/SKILL.md' && mkdir -p '.cursor/skills' && test ! -e '.cursor/skills/firecrawl-data-handling' && cp -R '.skill-downloads/firecrawl-data-handling-ms1aw5cp' '.cursor/skills/firecrawl-data-handling'

OpenSkills

OpenSkills doit déjà être installé. La procédure locale install/read est contrôlée avec OpenSkills 1.5.0, qui exige Node.js ≥ 20.6.0. Aucun slug du catalogue n’est résolu automatiquement.

Installation officielle d’OpenSkills
openskills install './.skill-downloads/firecrawl-data-handling-ms1aw5cp'

openskills read 'firecrawl-data-handling-ms1aw5cp'

La lecture doit afficher le contenu du fichier installé et son dossier de base. Elle ne lance ni la skill ni ses dépendances.

Pour un agent qui lit AGENTS.md, synchronisez ensuite l’index. Cette commande modifie AGENTS.md : relisez le diff avant de l’utiliser.

openskills sync

Mode manuel ou autre outil : joignez SKILL.md à une conversation, ou ouvrez-le dans un agent capable de lire les fichiers. Ajoutez les ressources annexes nécessaires. Il n’existe pas de dossier universel reconnu par tous les outils.

4. Faire un premier essai

Utilisez une entrée courte et fictive : un endpoint d’API, un petit document ou un brief d’interface. Dans une nouvelle conversation, joignez le fichier ou donnez son chemin à l’agent, puis adaptez cette demande :

Lis .skill-downloads/firecrawl-data-handling-ms1aw5cp/SKILL.md et applique ses instructions à cet exemple : [décrire une entrée de test]. Indique les fichiers, dépendances ou accès qui manquent. Produis le résultat demandé par la skill sans inventer de données ni exécuter de script non examiné.

Résultat attendu : une sortie correspondant aux instructions de la skill, ou une liste précise des prérequis manquants. Une simple confirmation de lecture ne valide pas le premier usage. Si une ressource externe est indisponible, ce parcours reste à tester.

Skills similaires