用途：设计完整、稳健的数据提取管道，而非一次性脆弱脚本，覆盖网页抓取、爬虫、文档提取、API 解析与重校验数据管道。
主要能力：按来源智能路由三种模式。模式一 API 驱动（Firecrawl），适合公开 URL、强动态 JS/SPA、需搜索优先发现或整域批量爬取；模式二本地 Python，适合本地 PDF/Excel/CSV、私有敏感数据或简单静态 HTML；模式三混合管道，用 Firecrawl 做 URL 发现与网页提取，再用本地 Pandas 清洗、规范化与结构化。执行流程为：先声明路由选择及理由，再估算 Firecrawl 配额或 LLM token 上限，随后安全提取（多页任务做检查点、处理分页与动态布局），最后校验与清洗。默认输出 CSV（表格）、JSON（嵌套结构）、Markdown（纯文本）。
使用方式：Firecrawl 采用 BYOK，API 密钥只能通过环境变量加载，如 os.getenv('FIRECRAWL_API_KEY')。脚本依赖与命令：python3 scripts/validate_extraction.py output.json --json（仅标准库）；python3 scripts/firecrawl_example.py --sample（需 firecrawl、requests，模板可离线运行）；python3 scripts/local_bs4_example.py --sample（需 beautifulsoup4、pandas，模板可离线运行）。每个提取结果交付前必须运行校验脚本，仅当输出 {"status": "ok"} 时退出码为 0，警告（空输出）或错误（JSON 格式错误）退出码为 1，需修复并重新提取。若存在 project-context.md，应先阅读再提问。
适用场景：公开动态站点抓取、批量文档爬取、本地文件提取、需要清洗规范化的混合管道。
限制与反模式：避免高度嵌套的脆弱 CSS 选择器，改用数据属性或稳健结构锚点；抓取前检查 robots.txt 并设置合理速率限制；不得将未校验数据直接写入文件；不得硬编码 API 密钥；本地敏感文件不应发送至外部 API。相关技能：data-cleaning 用于复杂统计规范化或去重，browser-automation 用于需模拟点击登录的高交互抓取。其他细节暂未提供。