网页内容提取

解决的问题

把公众号、知乎、API 文档或 skills.sh 链接交给助手后，难点通常不是打开页面，而是把正文从导航、懒加载媒体、反爬壳和动态 UI 中分离出来。web-content-extraction 将 URL 作为输入，输出可用于分析、总结或翻译的 Markdown 文本与媒体引用。

工作方式

技能按可靠性和成本选择工具链：

• 首选路径：web_extract 提取正文为 Markdown，适合普通网页、部分公众号文章和 PDF，单次最多处理 5 个 URL。
• 发现辅助：web_search 在缺少具体链接时，用关键词或 site: 定位候选页面。
• 兜底路径：遇到反爬、动态渲染或登录墙时，用 browser_extract 通过 browser_navigate 和 browser_snapshot 读取页面。

针对微信公众号，资料特别提示：web_extract 连续失败可能是配额耗尽，不是网站故障。更可靠的方式是运行 scripts/fetch_weixin.sh，用 curl 抓取 HTML，再从 js_content 区域解析正文、作者、图片 data-src 和媒体列表。若用户只给关键词，则走搜狗微信搜索流程，先解析真实 URL，再提取全文。

适用边界

这是以文本为主的提取能力：正文文字和图片 URL 通常可恢复，视频、音频和纯图片内容可能依赖 JS 或懒加载。搜狗搜索可能限流，真实 URL 解析也可能偶发失败；登录后可见内容、需要拆分的大 PDF 不在覆盖范围内。提取结果只用于当前对话，不写入持久记忆。