deepseek+dify:爬取网站多篇文章,批量提取和输出热点摘要(一)

 大家好,这是我的专题《AI颠覆人类倒计时:普通人自救指南》系列文章之一。  

 3月10号我们学习搭建一个“过目不忘小超人”,通过它来爬取热门网站的内容,按要求生成对应的摘要。[deepseek+dify:教你三步实现“过目不忘小超人”,快速爬取热点文章及资讯](https://mp.weixin.qq.com/s?__biz=MzUzNjg3NjIxNQ==&mid=2247484003&idx=1&sn=34c215a8f545db1be0c53446f447b322&scene=21#wechat_redirect)

 上面文章有朋友留言:“如果是想要爬取多个网站,怎么做?”

 答案是可以采用迭代节点。
定义:可以理解为任务批处理器。``对数组中的元素依次执行相同的操作步骤,直至输出所有结果。
  今天我们的案例是:输入一个AI咨询的网址,获取该网址上的所有文章链接,批量式地进行提取和输出。

设想方案概述:

Dify(迭代节点)+Firecrawl(网页抓取)+Deepseek(大模型)

一)安装Firecrawl工具

  • 在工具中输入Firecrawl,找到后点击安装。

  • 点击 firecrawl,去授权,注册后获取并填入密钥。

二)详细操作步骤

第一步:创建Dify应用

1. 点击创建工作流,命名 “AI资讯八爪鱼”

2. 整体流程说明:

开始节点 - 页面抓取 - 迭代节点(LLM节点) - 输出节点。

第二步:配置开始节点

  • 添加变量,选取文本类型,用于输入需要抓取网页URL。

第三步:配置网页工具节点

  • 选取 工具-firecrawl,选择“地图式快爬”(获取网站上所有的网址)。

  • 将输入变量设置为 开始节点的 URL参数;

关注下面参数设置,由于只是演示,我们忽略站点地图,不包含子域名,最大结果数量设置为9。

【调试】

由于第一次使用,我们先调试看看爬取结果:看到符合预期,爬取速度只有几秒钟,相当快的。

如何学习AI大模型 ?

“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。

这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。

我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。【保证100%免费】🆓

优快云粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传优快云,朋友们如果需要可以扫描下方二维码&点击下方优快云官方认证链接免费领取 【保证100%免费】

读者福利: 👉👉优快云大礼包:《最新AI大模型学习资源包》免费分享 👈👈

(👆👆👆安全链接,放心点击)

对于0基础小白入门:

如果你是零基础小白,想快速入门大模型是可以考虑的。

一方面是学习时间相对较短,学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

👉1.大模型入门学习思维导图👈

要学习一门新的技术,作为新手一定要先学习成长路线图,方向不对,努力白费。

对于从来没有接触过AI大模型的同学,我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线,大家跟着这个大的方向学习准没问题。(全套教程文末领取哈)
在这里插入图片描述

👉2.AGI大模型配套视频👈

很多朋友都不喜欢晦涩的文字,我也为大家准备了视频教程,每个章节都是当前板块的精华浓缩。

在这里插入图片描述
在这里插入图片描述

👉3.大模型实际应用报告合集👈

这套包含640份报告的合集,涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。(全套教程文末领取哈)

在这里插入图片描述

👉4.大模型落地应用案例PPT👈

光学理论是没用的,要学会跟着一起做,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。(全套教程文末领取哈)

在这里插入图片描述

👉5.大模型经典学习电子书👈

随着人工智能技术的飞速发展,AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型,如GPT-3、BERT、XLNet等,以其强大的语言理解和生成能力,正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。(全套教程文末领取哈)
img

在这里插入图片描述

👉6.大模型面试题&答案👈

截至目前大模型已经超过200个,在大模型纵横的时代,不仅大模型技术越来越卷,就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道,我总结了大模型常考的面试题。(全套教程文末领取哈)

在这里插入图片描述
👉学会后的收获:👈
基于大模型全栈工程实现(前端、后端、产品经理、设计、数据分析等),通过这门课可获得不同能力;

能够利用大模型解决相关实际项目需求: 大数据时代,越来越多的企业和机构需要处理海量数据,利用大模型技术可以更好地处理这些数据,提高数据分析和决策的准确性。因此,掌握大模型应用开发技能,可以让程序员更好地应对实际项目需求;

基于大模型和企业数据AI应用开发,实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能, 学会Fine-tuning垂直训练大模型(数据准备、数据蒸馏、大模型部署)一站式掌握;

能够完成时下热门大模型垂直领域模型训练能力,提高程序员的编码能力: 大模型应用开发需要掌握机器学习算法、深度学习

优快云粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传优快云,朋友们如果需要可以扫描下方二维码&点击下方优快云官方认证链接免费领取 【保证100%免费】

读者福利: 👉👉优快云大礼包:《最新AI大模型学习资源包》免费分享 👈👈

(👆👆👆安全链接,放心点击)
### 如何使用网页爬虫工具 Dify Dify并非提及的引用中的具体工具名称,假设这里指的是具有强大功能并可以将网页内容转换为特定格式(如Markdown)的通用网页爬虫工具。基于提供的参考资料,下面将以`Markdown-Crawler`为例来说明如何使用这类网页爬虫工具。 #### 安装与配置 为了开始使用`Markdown-Crawler`,首先需要安装该软件包。通常情况下,这可以通过Python环境下的pip命令完成: ```bash pip install markdown-crawler ``` 确保环境中已正确设置了Python及相关依赖项[^1]。 #### 使用基本命令行选项启动爬虫 旦安装完毕,可通过命令行界面运行此工具。对于简单的应用场景来说,仅需提供起始URL即可让程序自动执行默认设置下的抓取操作: ```bash markdown_crawler https://example.com/start_page.html ``` 上述指令会告知`Markdown-Crawler`从指定链接处开始工作,并按照预设参数进行后续处理。 #### 配置高级选项优化性能 针对更复杂的需求,则可能涉及到调整些内部参数以更好地适应目标站点的特点。比如通过增加线程数量提高效率、设定过滤规则排除不必要的资源下载等。这些都可以借助于详细的CLI参数或是JSON/YAML形式的配置文件实现: ```json { "start_urls": ["https://example.com"], "max_threads": 8, "output_directory": "./output", "file_format": "md" } ``` 以上是个简单示例,展示了如何定义初始页面列表、最大并发数以及其他输出偏好。 #### 结合LLM应用实例 考虑到`Markdown-Crawler`的设计初衷之是为了辅助大型语言模型的数据准备过程,在实际部署时还可以考虑将其作为数据源的部分参与到自动化流水线当中去。例如,在构建RAG系统时,利用此类工具定期更新训练集或索引库的内容,从而保持系统的时效性准确性。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值