演员运行器

解决什么问题

分布式爬虫任务通常运行在云平台上，执行完毕后结果数据需要从平台侧导出。人工值守任务运行状态、反复检查任务是否结束、手动拉取结果，这些操作在批量任务场景下会变成明显的效率瓶颈。同时，当多个工程师向同一个 Actor 提交不同参数时，参数格式不统一很容易引发运行时错误，导致任务失败后需要重新排队执行，排查成本随任务数量线性上升。

核心能力

这个技能围绕 Apify 云演员执行 这一场景，将跑批、校验、导出、通知串成一条链路：

• 结构化爬取执行：将爬取逻辑封装为 Apify Actors 后在云端运行，充分利用平台的并发调度与资源管理能力，无需自建爬虫服务器。
• 输入模式验证：任务启动前对传入的 input 参数做 schema 校验，参数不合法时任务不会执行，避免无效运行浪费云资源额度。
• S3 自动导出：运行完成后，结构化数据集自动写入指定的 S3 存储桶，下游数据管道可直接消费，省去中转下载环节。
• Webhook 完成通知：任务结束时通过 webhook 推送完成事件，调用方可在回调里触发后续流程，例如生成报表、更新数据看板或通知相关同学。

典型的工作流程是：调用方提交输入 → schema 校验通过 → Actor 在云端执行爬取 → 数据集导出至 S3 → webhook 回调通知完成状态。

适用边界

• 依赖 Apify 云平台账号与服务额度，本地环境无法直接运行云端 Actor，离线场景不适用。
• S3 导出需要配置正确的存储桶权限与区域 endpoint，权限不足会导致导出静默失败。
• Webhook 通知要求回调地址公网可达，内网部署的服务需要额外的代理或隧道方案。
• 输入 schema 需要开发者自行定义和维护，schema 过于宽松会让校验形同虚设，建议在项目初期就收紧字段约束。