Markdown 或字段提取
生成研究语料正文，或将指定字段提取为结构化结果；两种产物需要不同完整性检查。
Crawl4AI
通过 Crawl4AI 的 Python、部署 API 或文档中的 MCP 接口收集页面内容，用于调查与数据处理；先限定抓取范围，再验证提取字段。
提取有限研究样本
三页样本用于区分源页面缺项、加载失败和提取错误，再据此调整字段定义，而不是立即扩大采集。
起始网址、允许域名、最多三页且不递归、必需字段、已配置端点，以及 JSON／CSV／Markdown 输出格式。
复制请求，在 Floatboat 新对话中粘贴，并提供所需资料。
下载 Floatboat带入 Floatboat 的请求
请求可预览和复制，不会从此处自动发送。
参考来源: Crawl4AI https://github.com/unclecode/crawl4ai 先阅读原始说明并核对当前环境与依赖。需要安装或连接新工具时，先提出方案。 我的任务: 使用已配置 Crawl4AI 端点，在允许域名内最多采集三个给定页面，不递归。按选择的 JSON、CSV 或 Markdown 格式提取指定字段，保留来源网址，区分原页缺项、加载错误和提取错误。 期望交付: 带来源、必需字段、缺失内容及提取错误的样本。证据不足时列出失败步骤与未解决问题。
关于 Crawl4AI
Crawl4AI 将页面转为研究与数据流程使用的 Markdown 或结构化字段。Python 提供 CSS、XPath、正则和模型辅助提取；官方 Cloud MCP、API 提供托管执行，Python 与自部署 API、MCP 则由操作者控制运行环境。采样前分别确定输出与部署。
外部 Agent 可按官方说明为 Cursor、Codex 配置 Cloud MCP，也可接入自部署 API 或 MCP。Cloud 使用独立密钥和托管浏览器执行；自部署服务需维护浏览器依赖及认证。Python 库则是应用开发入口。
仓库采用 Apache-2.0。浏览器渲染、网络访问及模型提取有各自资源和凭据要求。当前未在主仓确认官方用户 Skill，社区 Skill 需按真实维护者标明，不能作为上游官方指引。
Crawl4AI 在浏览器流程中的作用
先确定数据产物，再选择提取策略和运行环境；托管与自部署具有不同依赖与认证。
按策略提取的库
Python 支持 CSS、XPath、正则及模型辅助策略，结构稳定的页面不必增加模型提取步骤。
托管或自行运维执行
Cloud MCP、API 使用托管运行及 Cloud 认证；Python 与自部署 API、MCP 由操作者维护运行环境。
Crawl4AI 使用场景
研究语料、比较表、文档更新与 MCP 提取各有完整性检查。需区分抓取失败和来源空值，保留出处后再扩大采集，避免格式正确的文本或对象掩盖实际遗漏。
建立有来源的研究语料
提供允许域名、起始 URL 与调查所需内容区块，先收集有限样本并保留每份文档来源。检查重复导航和缺失正文，再判断语料是否足以支持报告。
提取三页产品比较表
提供最多三个产品 URL 和名称、价格、库存要求，选择库的策略或 Cloud 提取接口。校验结构并对照来源抽查数值，缺失字段使用约定标记；获取失败另列，不能将无法访问误写成产品无货。
更新文档输入
对明确文档区域收集指定页面，与用户提供的旧快照比较，保留 URL 及获取上下文，让新增和删除可审阅，避免把抓取遗漏当成上游改动。
通过 MCP 提供结构化数据
将宿主连接到准备好的 Crawl4AI 服务，先执行一次小规模提取，返回字段、来源和失败信息，再决定是否扩大任务。MCP 连通不等于范围和数据质量已合格。
选择执行入口
Cloud 与自部署前提不同，只有后者需要你维护抓取运行环境。
Cloud MCP 或 API
准备 Cloud 密钥与官方托管连接，提取和用量按 Cloud 服务条款使用，不必在本机运行 Python 或 Docker 抓取后端。
Python 或自部署服务
准备文档中的 Python、浏览器依赖或 Docker，并配置 API、MCP 服务认证；仅在策略需要时准备模型凭据。
样本要求
提供最多三个允许 URL、指定字段、JSON、CSV 或 Markdown 格式，以及代表值的来源核对材料。
生成三页提取样本
从允许网站内最多三个起始 URL、明确字段及 JSON、CSV 或 Markdown 格式开始。小样本先暴露提取与覆盖问题，再考虑递归或批量任务。
选择 Cloud、服务端或 Python
官方 Cloud MCP、API 使用 Cloud 密钥调用托管执行，不要求本地抓取后端。自部署 API、MCP 使用自行维护的服务及认证。需要在应用代码控制策略与浏览器配置时选择 Python。
分别定义采集与提取
首轮只访问提供的 URL，不跟随更多链接。明确需要页面 Markdown 还是指定字段。Python 的 CSS、XPath 和正则策略可不经模型提取稳定结构；模型辅助提取另有配置。Cloud 按其提取接口使用。
采集并逐页核对
每份结果保留来源 URL，对照代表性正文检查字段，区分获取失败、提取错误和真实空值。文档 Markdown 还需检查正文是否被导航或重复页头占据。
调整策略后再扩大范围
字段持续缺失时，先检查页面结构、加载条件和提取规则，再增加 URL。交付已核对记录、未解决页面及所用策略，确认范围与样本质量后才提高页数或跟随链接。
相关软件项目
比较这些项目的用途、运行条件和源码许可。
Crawl4AI 常见问题
Crawl4AI 主要是浏览器任务 Agent 吗？
主要职责是为下游数据使用抓取和提取内容。采集时可以渲染或交互，但不能据此承诺任意登录业务流程。
何时需要 Python 或 Docker 而不是 Cloud MCP？
Cloud MCP 用 Cloud 密钥调用托管服务，不要求本地后端。应用控制策略可选 Python，自行运维可选 Docker、API 或 MCP；Cloud 凭据、用量及自部署依赖分别准备。
提取必须调用模型吗？
按内容和字段选择提取方式。模型辅助提取有独立配置与成本，不能假定每次抓取都需要模型密钥。
已确认官方 Skill 吗？
当前确认上游库与服务文档，未在主仓确认官方用户 Skill；社区包装属于有独立维护者的来源。
怎样限定抓取范围？
运行前明确起始 URL、允许网站、页面限制、目标内容与字段，扩大前检查样本，尽早发现导航循环和无关页面。
什么样的输出适合 Agent 使用？
保留来源，检查必填字段、标明缺失内容，区分提取错误和实际空值。Markdown 或 JSON 格式正确不代表事实完整。