Community程式設計與開發github.com

網頁提取器

當使用者提供一個特定的網址,並要求從該頁面提取資訊時使用。適用於單頁內容提取、單頁日期/資料抽取。不適用於使用者僅提供查詢詞而無網址的情況(由 multi-source-extractor 處理),也不適用於 GitHub 儲存庫解讀(由 github-repo-explainer 處理)。

網頁提取器 是什麼?

這項技能旨在處理使用者提供具體 URL 並要求從該頁面提取特定資訊的場景,例如提取單頁內容、日期或數據。它明確區分了自身與其他技能的適用範圍:當使用者僅給出查詢詞而非 URL 時,應由 `multi-source-extractor` 代理;而對於 GitHub 儲存庫的解讀需求,則應由 `github-repo-explainer` 處理。此技能支援所有能調用網頁抓取工具的 AI 代理平台(如 Claude Code、Cursor 等),其核心工作流程包括確認抓取能力、抓取頁面內容、根據使用者指定的資訊類型(如段落、列表、數值、日期等)精確提取,並以結構化格式回饋結果,同時嚴格遵守包括不虛構內容、不總結全文等邊界規則。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/dji-sq/DSH-skill/tree/HEAD/web-extractor

Installed? Explore more 程式設計與開發 skills: steipete/bluebubbles, steipete/eightctl, steipete/blucli · View all 6 →

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

網頁資訊提取流程

當使用者提供一個 URL 和想要的資訊類型時,請依以下步驟執行。

第一步:確認抓取能力

先檢查當前工作階段是否有可用的網頁抓取工具(如 web_fetch)。如果沒有,直接告訴使用者「當前環境沒有開啟網頁抓取能力」,並停止流程。不要假裝抓取了內容。

第二步:抓取頁面

呼叫可用的抓取工具來取得 URL 的正文內容。如果抓取失敗(超時、403、內容為空),如實報告失敗原因,不要編造內容。

第三步:提取資訊

根據使用者指定的資訊類型,從正文中提取相關內容。

  • 如果使用者要的是「某一段話」,直接引用原文,不要改寫。
  • 如果使用者要的是「列表/條目」,逐條列出,保留原始順序。
  • 如果使用者要的是「數字/日期/名稱」,只輸出找到的值,並標註它在原文中的上下文(前後各一句話)。
  • 「日期」指頁面上可見的日期文字,包括 YYYY-MM-DD、YYYY/MM/DD、中文年月日、英文月份名稱等格式。不提取頁尾版權年份,不提取 HTML 元資料中的日期。

第四步:輸出格式

用以下格式輸出:

抓取狀態:成功 / 失敗(附原因) 頁面標題:[如果抓到了就填,沒抓到寫「未知」] 提取結果:

  • [依照使用者要求的資訊類型組織]

邊界

  • 不要總結頁面全文,只提取使用者要的資訊。
  • 如果頁面內容明顯是登入頁或錯誤頁,在提取結果中標明「頁面可能為登入頁面或錯誤頁面,提取結果可能不完整或無效」。

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

相關技能