ウェブ情報抽出フロー
ユーザーがURLと希望する情報タイプを指定した場合、以下の手順で実行します。
ステップ1: 取得能力の確認
まず、現在のセッションでウェブページ取得ツール(例:web_fetch)が利用可能かどうかを確認します。利用できない場合は、直接「現在の環境ではウェブページ取得機能が有効になっていません」とユーザーに伝え、フローを停止します。内容を偽装して取得したふりをしないでください。
ステップ2: ページの取得
利用可能な取得ツールを呼び出して、URLの本文内容を取得します。取得に失敗した場合(タイムアウト、403エラー、内容が空など)、失敗した理由をそのまま報告し、内容を捏造しないでください。
ステップ3: 情報の抽出
ユーザーが指定した情報タイプに基づいて、本文から該当する内容を抽出します。
- ユーザーが「特定の段落」を要求した場合、原文をそのまま引用し、書き換えないでください。
- ユーザーが「リスト/項目」を要求した場合、各項目を元の順序を保持したまま列挙します。
- ユーザーが「数値/日付/名前」を要求した場合、見つかった値のみを出力し、原文中の前後の文脈(前後一文ずつ)を併記します。
- 「日付」とは、ページ上に表示されている日付テキスト(YYYY-MM-DD、YYYY/MM/DD、日本語の年月日、英語の月名などの形式)を指します。フッターの著作権年号やHTMLメタデータ内の日付は抽出しません。
ステップ4: 出力形式
以下の形式で出力します。
取得ステータス: 成功 / 失敗(理由を添える) ページタイトル: [取得できた場合は記入、できなかった場合は「不明」] 抽出結果:
- [ユーザーが要求した情報タイプに応じて整理]
境界条件
- ページ全体の要約は行わず、ユーザーが要求した情報のみを抽出します。
- ページの内容が明らかにログインページやエラーページである場合は、「抽出結果」セクションにその旨を報告します。