网页内容总结
快速开始
使用 WebFetch 或浏览器工具获取并分析网页内容，然后生成结构化的 markdown 文档。
工具选择快速参考
| 网站类型 | 推荐工具 | 原因 |
|---|---|---|
| 技术文档、博客 | WebFetch（优先） | 静态内容，加载快 |
| X/Twitter | 浏览器工具 | 需要 JavaScript 渲染 |
| LinkedIn、Facebook | 浏览器工具 | 需要 JavaScript 渲染 |
| 单页应用 (SPA) | 浏览器工具 | 动态内容加载 |
| 需要登录的网站 | 可能无法访问 | 需要认证 |
通用策略：先尝试 WebFetch，如果返回错误或内容不完整，立即切换到浏览器工具。
工作流
使用 TaskCreate 创建任务清单并跟踪进度：
code
使用 TaskCreate 创建以下任务： 1. 获取网页内容 2. 分析内容结构 3. 提取关键信息 4. 生成 markdown 文档 5. 质量检查
步骤 1：获取网页内容
策略选择：
方案 A：静态网页或技术文档（优先尝试）
使用 WebFetch 工具：
code
WebFetch( url="[用户提供的URL]", prompt="提取完整内容，包括标题、段落、列表、代码示例和表格。保留文档结构和层次关系。" )
方案 B：动态网页或社交媒体（当方案 A 失败时）
如果 WebFetch 返回错误页面（如"JavaScript is not available"）或内容不完整，使用 Playwright 浏览器工具：
code
1. browser_navigate(url="[用户提供的URL]") 2. browser_wait_for(time=3) # 等待 JavaScript 内容加载 3. browser_snapshot() # 获取页面快照
社交媒体网站直接使用浏览器工具：
- •X/Twitter (x.com)
- •其他需要登录或 JavaScript 渲染的网站
处理流程：
- •更新任务状态为 in_progress
- •先尝试 WebFetch
- •如果失败或返回错误页面，切换到浏览器工具
- •成功获取内容后，更新任务状态为 completed
- •完成后关闭浏览器（browser_close）
步骤 2：分析内容结构
更新任务状态：
code
TaskUpdate(taskId="2", status="in_progress")
识别内容类型并确定总结策略：
技术文档：
- •重点：概念、API、代码示例、最佳实践
- •结构：按功能模块组织
教程/指南：
- •重点：步骤、流程、关键要点
- •结构：按学习路径组织
文章/博客：
- •重点：主要观点、论据、结论
- •结构：按主题组织
社交媒体帖子（X/Twitter、LinkedIn 等）：
- •重点：核心观点、具体数据、实践经验、关键建议
- •结构：按主题和子话题组织
- •特别注意：互动数据（点赞、转发等）、发布时间
产品/服务页面：
- •重点：功能、优势、价格、使用场景
- •结构：按类别组织
完成后更新任务状态：
code
TaskUpdate(taskId="2", status="completed") TaskUpdate(taskId="3", status="in_progress")
步骤 3：提取关键信息
从网页内容中提取：
- •主标题和副标题层次
- •核心概念和定义
- •重要列表和步骤
- •代码示例（保留完整）
- •表格数据（保留结构）
- •关键引用或警告信息
- •数据统计（如适用）
- •互动信息（社交媒体）
完成后更新任务状态：
code
TaskUpdate(taskId="3", status="completed") TaskUpdate(taskId="4", status="in_progress")
步骤 4：生成 markdown 文档
使用下面的标准模板结构化内容，根据内容类型选择合适的模板。
使用 Write 工具创建文档：
python
Write( file_path="[文件路径]", content="[组织好的内容]" )
文件路径建议：
- •优先使用 scratchpad 目录：适合临时总结文档
- •使用描述性名称（如：
x_article_summary.md、tutorial_summary.md） - •包含来源标识
- •使用中文或英文，保持一致
完成后更新任务状态：
code
TaskUpdate(taskId="4", status="completed") TaskUpdate(taskId="5", status="in_progress")
步骤 5：质量检查
使用 Read 工具读取生成的文档进行验证：
验证输出文档：
- • 标题层次正确（# ## ### 使用得当）
- • 代码块有语言标识
- • 列表格式一致
- • 表格结构完整
- • 包含原始 URL 引用
- • 包含作者信息（如适用）
- • 包含生成日期
- • 无明显内容遗漏
- • markdown 语法正确
完成后更新任务状态：
code
TaskUpdate(taskId="5", status="completed")
输出模板
技术文档模板
markdown
# [文档标题] ## 概述 [简要说明文档主题和目的，1-2 段] ## 核心概念 ### [概念 1] [说明] ### [概念 2] [说明] ## 主要功能/模块 ### [功能 1] **说明**：[简要描述] **使用方法**： ```[language] [代码示例]
要点：
- •要点 1
- •要点 2
[功能 2]
[同上结构]
最佳实践
[实践 1]
[详细说明]
[实践 2]
[详细说明]
注意事项
- •警告或限制 1
- •警告或限制 2
相关资源
- •链接标题
原始来源：[原始 URL] 总结日期：[生成日期]
code
### 教程/指南模板 ```markdown # [教程标题] ## 简介 [教程目标和适用人群] ## 前置要求 - 要求 1 - 要求 2 ## 步骤 ### 步骤 1：[步骤名称] [详细说明] ```[language] [相关代码]
关键点：
- •关键点 1
- •关键点 2
步骤 2：[步骤名称]
[同上结构]
常见问题
Q: [问题] A: [回答]
总结
[学习要点回顾]
下一步
[后续学习建议]
原始来源：[原始 URL] 总结日期：[生成日期]
code
### 文章/博客模板 ```markdown # [文章标题] ## 核心观点 [主要论点总结，1-2 段] ## 主要内容 ### [主题 1] **要点**： - 要点 1 - 要点 2 **详细说明**： [展开说明] ### [主题 2] [同上结构] ## 关键引用 > [重要引用或观点] ## 数据/案例 [相关数据、图表说明或案例研究] ## 结论 [作者结论或建议] ## 个人见解（如适用） [总结者的评论或分析] --- **原始来源**：[原始 URL] **总结日期**：[生成日期]
社交媒体帖子模板（X/Twitter、LinkedIn 等）
markdown
# [帖子标题/主题] ## 核心观点 [主要论点总结，1-2 段，提炼作者想表达的核心思想] ## 主要内容 ### [主题 1] **要点**： - 要点 1 - 要点 2 **详细说明**： [展开说明] ### [主题 2] [同上结构，按内容的逻辑层次组织] ## [其他相关章节] 根据内容添加相关章节，例如： - 实践建议 - 关键数据 - 核心思想 - 下一步计划 - 技术实现 ## 数据统计（如适用） - **发布时间**：[日期时间] - **互动数据**： - 浏览量：[数字] - 点赞：[数字] - 转发：[数字] - 评论：[数字] - 书签：[数字] --- **原始来源**：[原始 URL] **作者**：[作者名] (@[用户名]) **总结日期**：[生成日期]
内容类型处理指南
处理长文档
如果内容超过 10,000 字：
- •创建执行摘要部分
- •使用折叠详情（
<details>标签） - •分层组织，突出最重要内容
- •提供目录（TOC）
示例：
markdown
## 目录 - [概述](#概述) - [核心概念](#核心概念) - [详细功能](#详细功能) <details> <summary>详细内容（点击展开）</summary> [详细内容] </details>
处理多语言内容
如果网页包含多种语言：
- •保持原语言用于专业术语
- •技术名词使用英文
- •说明使用中文
- •代码注释保持原样
处理代码密集型内容
对于技术文档：
- •保留所有代码示例
- •添加语言标识符
- •包含必要的上下文说明
- •保持代码格式和缩进
markdown
使用 pdfplumber 提取文本：
```python
import pdfplumber
with pdfplumber.open("file.pdf") as pdf:
text = pdf.pages[0].extract_text()
print(text)
此代码打开 PDF 文件并提取第一页的文本内容。
code
### 处理表格数据 保留 markdown 表格格式： ```markdown | 功能 | 描述 | 支持版本 | |------|------|----------| | 功能A | 说明A | v1.0+ | | 功能B | 说明B | v2.0+ |
对于复杂表格，考虑：
- •拆分为多个简单表格
- •使用列表代替
- •添加说明文字
特殊元素处理
警告和提示框
使用 markdown 引用和强调：
markdown
> ⚠️ **警告**：此操作不可逆，请谨慎使用。 > 💡 **提示**：使用快捷键可以提高效率。 > ℹ️ **注意**：此功能仅在企业版中可用。
图片和图表
对于图片：
markdown
 **说明**：[图片内容的文字描述]
对于图表数据，提取为：
- •表格格式
- •列表格式
- •文字描述
质量标准
生成的文档应该：
结构清晰：
- •标题层次分明
- •逻辑组织合理
- •易于导航
内容完整：
- •保留关键信息
- •不遗漏重要细节
- •代码示例完整
格式规范：
- •markdown 语法正确
- •代码块有语言标识
- •列表和表格格式统一
可读性好：
- •段落长度适中
- •使用恰当的强调
- •避免冗长句子
示例
示例 1：技术教程
输入：
code
用户："帮我总结这个网页的主要内容 https://example.com/tutorial"
处理流程：
- •✅ 使用 TaskCreate 创建 5 个任务
- •✅ 使用 WebFetch 获取网页内容（静态网页）
- •✅ 识别为教程类型
- •✅ 提取步骤、代码示例、关键点
- •✅ 使用教程模板组织
- •✅ 生成 markdown 文档到 scratchpad 目录
- •✅ 进行质量检查
输出： 生成的文档包含：
- •清晰的步骤说明
- •完整的代码示例
- •关键点提炼
- •原始来源链接
示例 2：X/Twitter 长文章
输入：
code
用户："帮我总结这篇文章的内容 https://x.com/user/status/123456"
处理流程：
- •✅ 使用 TaskCreate 创建 5 个任务
- •✅ 识别为社交媒体网站，直接使用浏览器工具
- •✅ browser_navigate 导航到 URL
- •✅ browser_wait_for 等待 3 秒让内容加载
- •✅ browser_snapshot 获取页面内容
- •✅ 识别为社交媒体帖子类型
- •✅ 提取核心观点、主要内容、数据统计
- •✅ 使用社交媒体帖子模板组织
- •✅ 生成 markdown 文档到 scratchpad 目录
- •✅ 进行质量检查
- •✅ browser_close 关闭浏览器
输出： 生成的文档包含：
- •核心观点总结
- •按主题组织的详细内容
- •互动数据统计
- •作者信息和原始来源链接
常见问题处理
WebFetch 返回 "JavaScript is not available" 错误页面：
- •这表示网页需要 JavaScript 渲染
- •立即切换到浏览器工具（browser_navigate + browser_wait_for + browser_snapshot）
- •常见于社交媒体、单页应用(SPA)、动态网站
网页无法访问：
- •告知用户具体错误
- •建议检查 URL 正确性
- •如果是需要登录的页面，说明限制
- •提供替代方案（如果有缓存内容）
内容过于简短或不完整：
- •确认是否获取完整内容
- •检查是否需要 JavaScript 渲染（切换到浏览器工具）
- •对于需要滚动加载的长内容，可能需要多次 browser_snapshot
- •提供现有内容的最佳总结
浏览器加载超时或失败：
- •增加等待时间（browser_wait_for 增加到 5-10 秒）
- •检查网络连接
- •尝试刷新页面
内容语言不匹配：
- •保持原语言的专业术语
- •使用中文进行说明
- •双语对照重要概念
格式混乱：
- •重新组织内容结构
- •统一格式风格
- •确保 markdown 语法正确
使用浏览器工具后忘记关闭：
- •总是在完成后调用 browser_close
- •避免资源占用