用途:当用户提供网页 URL 并希望下载或提取正文时,该技能负责抓取、提取并保存为带 frontmatter 的干净 Markdown 文件,自动去除广告、导航和页面杂乱元素。
主要能力:内置多工具回退机制以保证可靠性;支持指定输出文件名与目录;提取失败时可尝试 Wayback Machine;可强制使用 jina、trafilatura、readability 或 fallback 工具;提供安静模式。
使用方式:直接调用提取脚本并传入 URL,不要先用 web_fetch 抓取。基本命令:scripts/extract-article.sh "https://example.com/article"。指定输出:scripts/extract-article.sh "https://example.com/article" -o my-article.md -d ~/Documents。失败时尝试存档:scripts/extract-article.sh "https://example.com/article" --wayback。必要时执行 chmod +x scripts/extract-article.sh。常用选项包括 -o 输出文件名、-d 输出目录、-w/--wayback、-t 强制工具、-q 安静模式。
适用场景:需要把在线文章转为本地 Markdown 以便阅读、归档或后续处理。
限制:退出码 3 表示访问被拒(付费墙或需登录),可尝试 --wayback;退出码 4 表示无内容(重度 JavaScript),可换 --tool;退出码 2 表示网络问题,需检查 URL。离线提取需运行 scripts/install-deps.sh 安装本地依赖。完整选项、退出码与工具细节见 references/tools-and-options.md。