智能感知 · 組件
文章與研究頁面的正文提取和增強
可用 合成數據 T5 · 文檔掃描與抽取
功能
通過供應商回退提取可讀的文章和研究正文，去除模板化內容並拒絕佔位結果。三個變體在抓取、精煉與翻譯、持久化方面有所不同。
核心模式
網頁去雜提取正文＋回退和佔位檢查
- 輸入
- Article URL and feed metadata
- 輸出
- Enriched full text, images and content blocks
關鍵參數
| 名稱 | 類型 | 預設值 | 取值 |
|---|---|---|---|
| operation | string | extract | extract · clean · translate · enrich |
| urls | array | — | — |
| model_config | — | — | — |
| formats | array | [] | — |
| language | — | — | — |
成熟度與限制
可用
包含按源站選擇的提取順序、重試退避、佔位內容識別及專用測試；其他變體提供文本清洗、翻譯、指定頁面解析與洞察存儲。此等級依據靜態源碼檢查，不代表運行測試、真實服務接入或生產部署已通過驗證。
未發現根目錄複用許可證；出版方文字與圖片須取得複用權，外部模型及抓取服務須配置。
所在流水線
行業標籤
技能包
契約腳手架與確定性模擬實現
下載 · 12KBSHA-256 1b16a369c89e70391de6ed06739aca915e696d4d6cc62cf4153cc2ddd9e1a2ea
