智能感知 · 组件
文章与研究页面的正文提取和增强
可用 合成数据 T5 · 文档扫描与抽取
功能
通过供应商回退提取可读的文章和研究正文，去除模板化内容并拒绝占位结果。三个变体在抓取、精炼与翻译、持久化方面有所不同。
核心模式
网页去杂提取正文＋回退和占位检查
- 输入
- Article URL and feed metadata
- 输出
- Enriched full text, images and content blocks
关键参数
| 名称 | 类型 | 默认值 | 取值 |
|---|---|---|---|
| operation | string | extract | extract · clean · translate · enrich |
| urls | array | — | — |
| model_config | — | — | — |
| formats | array | [] | — |
| language | — | — | — |
成熟度与限制
可用
包含按源站选择的提取顺序、重试退避、占位内容识别及专用测试；其他变体提供文本清洗、翻译、指定页面解析与洞察存储。此等级依据静态源码检查，不代表运行测试、真实服务接入或生产部署已通过验证。
未发现根目录复用许可证；出版方文字与图片须取得复用权，外部模型及抓取服务须配置。
所在流水线
行业标签
技能包
契约脚手架与确定性模拟实现
下载 · 12KBSHA-256 1b16a369c89e70391de6ed06739aca915e696d4d6cc62cf4153cc2ddd9e1a2ea
