TheMattBerman/landing-page-factory

Extraction de site

Utilisez ceci lorsqu'un utilisateur fournit une URL de site et souhaite qu'une landing page soit construite sans un processus d'intégration lourd.

Cette étape ne synthétise pas. Elle extrait.

Si vous ne pouvez pas retracer une affirmation, un point de preuve ou un signal de confiance jusqu'à la source, étiquetez-le comme manquant ou inféré. Ne le mettez pas silencieusement à niveau en fait.

Entrées requises

• URL principale
• URL produit (optionnelle)
• --deep (optionnel)
• extraits de brief manuel (optionnels) si l'accès à la source est incomplet

Objectif de l'opérateur

Construire un enregistrement source auquel les compétences en aval peuvent faire confiance.

Cela signifie extraire :

• le langage exact des affirmations
• le langage exact des appels à l'action
• les points de preuve exacts
• les motifs de page visibles
• le langage du mécanisme
• les signaux de confiance
• l'identité visuelle
• les conventions de catégorie

Fichiers de sortie

Écrire :

• workspace/brand/extract.md
• workspace/brand/extract.json
• workspace/brand/palette.json

Règles d'extraction strictes

1. Conserver le langage exact lorsque c'est possible. Citer, ne pas paraphraser.
2. Tagger la provenance pour chaque élément de preuve et chaque affirmation majeure.
3. Distinguer les faits observés des inférences.
4. Si le signal source est mince, le dire directement.
5. Si le mécanisme n'est pas clair après l'extraction, la stratégie en aval doit s'arrêter jusqu'à résolution.

Structure d'extraction requise

# Extraction de la marque : [Marque]
URLs sources :
- [url 1]
- [url 2]
Extrait le : [date]
Confiance : élevée | moyenne | faible

## 1. Marque + catégorie
- Nom de la marque :
- Catégorie de produit :
- Offre principale :
- Modèle économique :
- Indices géographiques / de marché :

## 2. Langage exact du héros
| Élément | Texte exact | URL source | Provenance |
|---|---|---|---|
| Titre principal | | | observé |
| Sous-titre | | | observé |
| Appel à l'action principal | | | observé |
| Appel à l'action secondaire | | | observé |

## 3. Inventaire des affirmations
| Affirmation | Type | URL source | Section | Provenance | Preuve requise ? |
|---|---|---|---|---|---|
|  | avantage / mécanisme / supériorité / preuve sociale / garantie | | | observé / inféré | oui / non |

## 4. Inventaire des preuves
| Élément de preuve | Classe | Formulation / valeur exacte | URL source | Section | Notes |
|---|---|---|---|---|---|
|  | témoignage / statistique / nombre d'avis / logo / presse / garantie | source_vérifiée / source_dérivée / manquante | | | | |

## 5. Inventaire des appels à l'action
| Texte de l'appel à l'action | Destination estimée | URL source | Au-dessus de la ligne de flottaison ? | Notes |
|---|---|---|---|---|

## 6. Inventaire du langage du mécanisme
- Phrases uniques sur le mécanisme répétées par la marque
- Phrases d'explication du produit qui méritent d'être conservées
- Langage des alternatives ayant échoué
- Langage de gestion des objections

## 7. Inventaire des signaux de confiance
- garanties
- expédition / retours / garantie
- certifications / presse / logos
- signaux de conformité / sécurité / autorité
- conventions de catégorie qui signalent la légitimité

## 8. Inventaire des motifs de page
| Ordre des sections | Ce qui apparaît | Ce qu'il fait | Mérite d'être conservé ? |
|---|---|---|---|

## 9. Inventaire des motifs visuels
- couleurs dominantes
- familles / classes de polices
- style de photographie de produit
- style d'interface utilisateur / capture d'écran si présent
- langage des formes
- densité / sensation d'espacement
- conventions de conception critiques pour la confiance

## 10. Signaux d'audience
- à qui cela semble cibler
- indices de stade de sensibilisation
- indices de sophistication
- langage explicite de la douleur
- langage explicite du désir

## 11. Zones manquantes / faibles
- détails de mécanisme manquants
- affirmations non étayées
- preuves minces
- pages inaccessibles
- tout ce qui nécessite une décision de l'opérateur

Contrat JSON

extract.json doit inclure des clés lisibles par machine pour :

• brand
• category
• offer
• hero_language
• claims[]
• proof_inventory[]
• cta_inventory[]
• mechanism_language[]
• trust_cues[]
• page_patterns[]
• visual_motifs[]
• audience_signals[]
• missing_flags[]
• confidence

Intégration Firecrawl

La sélection du fournisseur est obligatoire ici.

Si FIRECRAWL_API_KEY est disponible, vous devez utiliser Firecrawl pour l'extraction de site. Ne remplacez pas silencieusement par une navigation générique, WebFetch ou un scraping de page unique lorsque Firecrawl est configuré ou attendu.

Si Firecrawl est bloqué par l'environnement d'exécution, indisponible ou si la clé est manquante :

1. le dire explicitement
2. demander à l'opérateur s'il souhaite :
   • fournir/configurer Firecrawl
   • exécuter la commande d'extraction Firecrawl locale en dehors du sandbox
   • accepter une extraction manuelle/de base dégradée
3. ne pas procéder silencieusement à une extraction dégradée pour une exécution de qualité de publication publique

N'utilisez une extraction dégradée sans demander que lorsque l'utilisateur a déjà explicitement approuvé cette dégradation.

Lorsque Firecrawl est disponible, utilisez l'API v2 avec le format branding :

curl -s -X POST "https://api.firecrawl.dev/v2/scrape" \
  -H "Authorization: Bearer $FIRECRAWL_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "url": "https://example.com",
    "formats": ["branding", "markdown", "screenshot"],
    "onlyMainContent": false,
    "maxAge": 172800000
  }'

Le format branding renvoie une identité de marque structurée :

• URL du logo
• palette de couleurs (primaire, secondaire, accent, arrière-plan, texte)
• familles de polices
• échelle d'espacement
• styles de composants d'interface utilisateur
• jeu de couleurs (clair/foncé)

Le format markdown fournit le contenu de la page pour l'extraction des affirmations et des preuves. Le format screenshot fournit une référence visuelle (l'URL expire après 24 h).

Utilisez scripts/firecrawl-extract.sh pour exécuter cela automatiquement et enregistrer toutes les sorties.

Mode profond

Lorsque --deep est utilisé :

1. scraper la page d'accueil
2. scraper une page produit/service
3. scraper une page riche en preuves si disponible
4. scraper la page de tarification, FAQ ou À propos si disponible
5. fusionner les résultats avec les URLs sources attachées à chaque artefact

Priorité du mode profond par défaut :

• page produit
• page d'avis / témoignages
• page FAQ / tarification
• page À propos

Comportement de repli

Si Firecrawl ou le scraping échoue :

• capturer tout ce qui est accessible
• marquer explicitement les sections bloquées
• demander à l'opérateur de fournir des captures d'écran ou des copies pour les données de confiance/preuve/mécanisme manquantes
• ne pas fabriquer une structure extraite comme si elle avait été observée

Si Firecrawl est bloqué par Cowork ou un autre proxy sandbox :

• indiquer que api.firecrawl.dev doit être autorisé par l'environnement d'exécution
• recommander le chemin de commande préalable local plutôt que de prétendre que WebFetch est équivalent

Logique arrêt / continuation

Continuer si :

• l'offre est identifiable
• l'appel à l'action est déductible
• au moins quelques preuves ou signaux de confiance sont extractibles

Déclasser si :

• la preuve est faible
• l'identité visuelle est partielle
• les conventions de catégorie ne sont pas claires

S'arrêter et alerter l'opérateur si :

• le mécanisme unique ne peut pas être identifié
• la source est trop mince pour séparer les affirmations réelles du bruit marketing
• des affirmations réglementées apparaissent sans preuve claire

Transition

Après l'extraction, exécutez /page-strategy.

Ne passez pas directement à la copie à moins que l'artefact de stratégie n'existe déjà.