Maxun 无代码网页数据提取

要解决的问题

爬虫脚本通常第一天能跑，第四天就开始报错。多数网站没有稳定可用的公开 API，DOM 结构会随前端框架和运营改版而变化，写选择器和正则的人必须持续跟进。另一边，真正需要数据的人往往不写爬虫，需求在「能跑」和「能用」之间反复折返，最后又回到维护脚本的老路。

Maxun 的思路是把抓取过程从代码里下沉出来，变成两种可重复执行的操作模式，让提取逻辑可以独立于某个具体的站点脚本存在。

核心能力

• 录制模式（recorder mode）：在浏览器里把目标页面完整操作一遍，平台记录点击、滚动、翻页等动作，生成一个可重放的抽取任务。页面改版之后重录即可，不用逐个修选择器。
• 自然语言模式：用一句话描述所需字段（例如「抽取房源的标题、价格、评分」），由 LLM 规划提取逻辑并产出结构化结果。
• 搜索与抓取：支持自动化网页搜索，可按时间过滤；同时提供常规抓取与爬取能力，用来发现和遍历目标页面。
• 两种调用入口：SDK 适合嵌入现有服务，CLI 适合放进定时任务和 CI 流程。
• 本地两种部署形态：可以用 Docker Compose 起服务，也可以不依赖 Docker 直接跑起来，方便放进内网环境。

适用边界

• 录制模式依赖浏览器能正常渲染页面，强依赖 JS 的站点要先确认运行时可用。
• 自然语言模式的结果建议抽检后再入库，模型抽取可能出现字段错位或凭空生成的值。
• 平台面向结构化数据产出，不是通用的浏览器自动化工具，也不负责处理验证码和登录墙。
• 复杂的自动化工作流可以靠组合上述能力拼出来，但每个站点的稳定性都需要单独验证。