Signal Lab Apify Tools

Signal Lab Apify Tools 是做什麼的？

將 Signal Lab 作為一個路由技能，用於一組精簡的公開資料工作流程。優先選擇與任務最匹配的最小範圍 Actor，保持輸入邊界明確，並將即時的 Apify Actor 輸入結構定義 (input schema) 和定價頁面 (Pricing tab) 視為最終的事實依據。

使用時機

• 使用者需要可用的公開 YouTube 字幕或帶有時間戳記的字幕片段，用於研究、RAG 或分析。
• 使用者需要將一個公開網站或有限制的同網域爬取結果，轉換為乾淨的 Markdown 格式，用於 RAG、語義搜尋、索引或 LLM 分析。
• 使用者已有一個或多個公開的職缺網址，並需要正規化的職缺欄位，特別是頁面中公開的 Schema.org JobPosting 資料。
• 使用者需要公開的 Amazon 產品價格或庫存追蹤、即時 Google Autocomplete 搜尋建議、公開的 Reddit 研究，或受支援的餐廳菜單提取。
• 支援 MCP 的客戶端應透過 Apify 託管的 MCP 伺服器，將一個或多個 Signal Lab Actor 作為工具公開。
• 非 MCP 的工作流程應透過 Apify REST API 呼叫對應的 Actor，並消費其 Dataset。

不應使用時機

• 任務需要繞過登入牆、付費牆、驗證碼 (CAPTCHA)、機器人限制、反機器人控制、私人頁面或其他存取控制機制。
• 使用者要求對一個沒有公開可用字幕軌的 YouTube 影片進行音訊轉錄；YouTube Actor 僅提取可用的字幕，並非語音轉文字服務。
• 網站需要客戶端 JavaScript 渲染，而純 HTTP 爬蟲無法提供；請勿聲稱 Website to Markdown Actor 能渲染單頁應用程式 (SPA)。
• 使用者想要進行廣泛的求職平台搜尋，而非從已知的受支援公開職缺網址中提取資料；請勿暗示 Job Vacancy Scraper 能搜尋所有求職平台。
• 請求的來源或用途會違反相關法律、隱私要求、版權義務、網站條款或使用者的授權範圍。
• 任務可以無需執行外部資料即可直接回答；請勿為了展示技能而啟動 Actor。

工作流程

1. 辨識確切的資料需求，並選擇最匹配的最小範圍工具。
   • YouTube 字幕：signal_lab/youtube-transcript-scraper
   • 網站轉 Markdown：signal_lab/website-to-markdown-crawler
   • 已知公開職缺網址提取：signal_lab/job-vacancy-scraper
   • Amazon 價格追蹤：signal_lab/amazon-price-tracker
   • Google Autocomplete 研究：signal_lab/google-autocomplete-keywords
   • Reddit 公開研究：signal_lab/reddit-search-comments
   • 餐廳菜單提取：signal_lab/restaurant-menu-extractor
2. 在執行前，閱讀該工具的即時 Apify 輸入結構定義 (input schema) 和定價頁面 (Pricing tab)。定價、可用性和結構定義可能會變更；文件中的範例不能取代即時狀態。
3. 選擇執行表面。
   • 當客戶端支援 MCP 且使用者能以 Apify 身分驗證時，優先選擇 Apify 託管的 MCP。
   • 否則，使用使用者的個人 Apify Token 呼叫 Apify REST Actor API。
4. 從最小且有用的邊界輸入開始。
   • 對於爬取任務，首先最小化頁面數量和深度。
   • 對於網址/影片/產品列表，先測試一個小子集再進行擴展。
   • 切勿僅為了收集更多資料而增加花費或範圍。
5. 等待執行結束，然後消費預設的 Dataset 或 Actor 的文件化輸出。
6. 驗證返回的欄位確實來自資料來源。缺少來源欄位並不代表該欄位存在。
7. 只有在第一個邊界結果有用，且使用者接受即時定價/經濟效益後，才進行規模擴展。

直接工具連結

當使用者或代理需要檢查即時結構定義、定價頁面、範例或啟動執行時，請使用這些標準的 Store 頁面：

• YouTube 字幕：https://apify.com/signal_lab/youtube-transcript-scraper
• 網站轉 Markdown：https://apify.com/signal_lab/website-to-markdown-crawler
• 已知公開職缺網址提取：https://apify.com/signal_lab/job-vacancy-scraper
• Amazon 價格追蹤：https://apify.com/signal_lab/amazon-price-tracker
• Google Autocomplete 研究：https://apify.com/signal_lab/google-autocomplete-keywords
• Reddit 公開研究：https://apify.com/signal_lab/reddit-search-comments
• 餐廳菜單提取：https://apify.com/signal_lab/restaurant-menu-extractor

對於 MCP 客戶端，應僅為當前任務暴露所需的工具，透過 Apify 託管的 MCP 伺服器進行，而不是給予代理一個比必要範圍更廣的工具表面。

失敗、重試與成本處理

• 將 HTTP 429 視為流量壓力信號，而非允許提高並發請求數。當有 Retry-After 標頭時應遵守；否則使用有限制的指數退避策略並加入抖動。
• 僅對短暫的 5xx、網路或超時錯誤進行少量次數的重試。不要重試確定性的 4xx 驗證/認證錯誤，直到輸入或認證問題被修正。
• 如果 Actor 執行達到 FAILED、TIMED-OUT 或 ABORTED 狀態，在決定是否重試前，先檢查執行狀態/日誌證據。切勿盲目地重複付費重試。
• 對於輪詢（polling），應在狀態檢查之間進行退避，而不是密集地呼叫 API。一旦執行狀態為終端狀態，就停止輪詢。
• 重試時保持原始輸入的邊界。不要將提高 maxPages、項目數量、爬取深度、並發數或代理範圍作為通用的失敗應對措施。
• 在實質性地擴大重試或批次處理範圍之前，重新檢查即時的定價頁面 (Pricing tab)。一次成功的 API 請求並不代表後續的執行是免費的。
• 如果重複的短暫重試失敗、來源阻擋了合法存取、認證資訊不可用，或下一次嘗試將實質上增加花費，則停止並回報阻礙因素。
• 切勿將一次失敗的付費執行，轉變為啟動另一個付費 Actor 的藉口，除非有明確的任務匹配且使用者已授權其經濟效益。

規則

• 始終使用使用者自己的 Apify 認證來進行付費執行或 MCP 授權。
• 絕不嵌入、暴露、代理或請求 Signal Lab 擁有者的憑證。
• 絕不將公開的 Actor 執行次數、總使用者數、目錄列表或成功的 API 請求視為建立者收入的證明。
• 絕不承諾來源頁面或字幕軌未暴露的欄位。
• 絕不聲稱擁有繞過存取控制的能力。
• 優先選擇可逆的、有邊界的呼叫以及最小的必要資料量。
• 在執行前，使用即時的 Apify 定價頁面 (Pricing tab) 作為商業事實依據。
• 對於 Website to Markdown，請尊重其 HTTP 爬蟲的限制和邊界爬取控制。
• 對於 YouTube，將輸出描述為可用的公開字幕/時間戳記，而不是新產生的轉錄內容。
• 對於職缺提取，將其描述為已知公開網址的提取和 Schema.org 感知的解析，而不是通用的求職搜尋。

範例

用於 RAG 的 YouTube 字幕

使用者需求：「從這些公開的 YouTube 影片中獲取時間戳記，以便我可以建立一個具有引用感知能力的 RAG 索引。」

使用 signal_lab/youtube-transcript-scraper，提供一個小型公開網址集合，請求時間戳記片段，然後在建構下游索引時保留來源網址、語言、轉錄文字和片段時間。

網站文件轉 Markdown

使用者需求：「將這個文件網站轉換成一個小型的 Markdown 語料庫，供我的 LLM 使用。」

使用 signal_lab/website-to-markdown-crawler。從一個頁面或較低的 maxPages 值開始，保持啟用 sameDomainOnly，保持爬取深度較低，並遵守 robots 規則。在擴展之前，先檢查前幾筆 Dataset 的資料。

已知職缺轉換為結構化 JSON

使用者需求：「從這五個職缺網址中，正規化職稱、公司、地點、薪資和日期等資訊。」

僅針對提供的公開網址使用 signal_lab/job-vacancy-scraper。回傳頁面實際暴露的欄位，並標註缺失值，而不是虛構它們。

MCP 連線

對於一個聚焦於 Website to Markdown 的工具，支援 MCP 的客戶端可以使用：

{
  "mcpServers": {
    "signal-lab-markdown": {
      "url": "https://mcp.apify.com?tools=signal_lab/website-to-markdown-crawler"
    }
  }
}

Apify 負責處理認證。請勿將擁有者 Token 放入共享配置中。

邊緣情況

• 如果無法取得 Apify 認證，請提供正確的 Actor 或 MCP 連線路徑，但不要使用他人憑證執行付費工作。
• 如果即時的 Actor 結構定義 (schema) 與此技能文件不同，請遵循即時結構定義，並相應更新假設。
• 如果頁面是純 JavaScript 渲染，且 HTTP 爬蟲回傳不完整的內容，請停止並解釋渲染限制，而不是升級為繞過存取控制的技術。
• 如果 YouTube 沒有公開可用的字幕，請停止並回報此限制；不要靜默地切換到另一個付費轉錄產品。
• 如果職缺頁面缺少薪資或結構化元數據，請回傳可驗證存在的欄位，並將其餘部分標記為缺失。
• 如果請求的執行可能會變得很龐大或昂貴，請縮小初始輸入範圍，並在實質上擴大花費之前請求批准。

參考資料

• Signal Lab 開發者中心：https://first-livid-omega.vercel.app/
• AI 代理探索索引：https://first-livid-omega.vercel.app/llms.txt
• 官方 MCP Registry 識別碼：io.github.VZezelin/signal-lab-apify-tools
• 官方 MCP Registry 搜尋：https://registry.modelcontextprotocol.io/?q=io.github.VZezelin%2Fsignal-lab-apify-tools
• Signal Lab 在 Apify 上：https://apify.com/signal_lab
• YouTube Transcript API 指南：https://first-livid-omega.vercel.app/youtube-transcript-api.html
• Website to Markdown API 指南：https://first-livid-omega.vercel.app/website-to-markdown-api.html
• Job Posting Scraper API 指南：https://first-livid-omega.vercel.app/job-posting-scraper-api.html