多來源欄位抽取流程
第一步:檢查工具可用性
確認當前對話有 web_search 和 web_fetch。如果沒有,告知使用者缺少哪個工具,停止流程。
第二步:搜尋並篩選來源
呼叫 web_search,查詢詞使用使用者原始輸入。
從返回結果中挑選 3~5 個來源,優先選:
- 官方來源(部委官網、企業公告、官方統計頁面)
- 權威媒體(入口新聞、產業垂直媒體) 排除明顯無關的廣告、論壇文、聚合頁。
第三步:並行抓取
對選中的每個 URL 呼叫 web_fetch。在一次回應中同時發起多個呼叫,不要逐個串行。
如果某個 URL 抓取失敗,記錄失敗原因,繼續處理其他 URL。
第四步:按欄位抽取
從每個成功抓取的頁面中,提取以下欄位:
- 日期:與查詢主題直接相關的日期(如調價日期、發布日期)。不提取頁腳版權年份。
- 來源名稱:頁面所屬機構或媒體名。
- 關鍵數值/事實:與查詢主題直接相關的具體數字或結論(如「上調 XX 元/噸」)。 如果某頁面缺少某個欄位,標註「未找到」,不要編造。
第五步:合併輸出
用表格輸出,一行對應一個來源:
| 來源 | 日期 | 關鍵數值/事實 | 抓取狀態 |
|---|
表格之後追加: 共識資訊:如果多個來源對同一事實的表述一致,列出。 衝突資訊:如果來源之間的數值或日期不一致,列出並標註各自來源。
邊界
- 不總結頁面全文,只提取與查詢主題相關的欄位。
- 如果所有來源都抓取失敗,直接報告失敗,不要用搜尋結果摘要代替頁面內容。
- 不推薦使用者去哪個來源查看,只做資訊合併。