smart-web-fetch（智能网页抓取）

Smart Web Fetch

智能网页内容获取技能，完全替代 web_fetch，自动通过清洗服务获取干净 Markdown。

核心功能

• 完全替代 web_fetch: 获取的已经是清洗后的 Markdown，而非原始 HTML
• 四级降级策略: Jina → markdown.new → defuddle.md → 原始内容
• Token 优化: 清洗后的内容比原始 HTML 节省 50-80% Token

使用方式

命令行获取网页内容

# 获取清洗后的 Markdown（文本输出）
python3 {baseDir}/scripts/fetch.py "https://example.com/article"

# 获取 JSON 格式（包含元信息）
python3 {baseDir}/scripts/fetch.py "https://example.com/article" --json

在 Agent 中使用

当用户需要获取网页内容时：

用户: "帮我查一下 https://example.com/article 的内容"

Agent 应该:
1. 运行: python3 ~/.openclaw/skills/smart-web-fetch/scripts/fetch.py "https://example.com/article"
2. 直接获得清洗后的 Markdown 内容

JSON 输出格式

{
  "success": true,
  "url": "https://r.jina.ai/http://example.com/article",
  "content": "# Article Title\n\nClean markdown content here...",
  "source": "jina",
  "error": null
}

降级策略

1. Jina Reader (首选)

- URL: https://r.jina.ai/http://{target} - 免费，无需 API Key，中文支持好

1. markdown.new (降级)

- URL: https://markdown.new/{target}

1. defuddle.md (降级)

- URL: https://defuddle.md/{target}

1. 原始内容 (最终兜底)

- 直接获取原始 HTML

Agent 配置建议

为了强制使用本技能替代 web_fetch，在 openclaw.json 中配置：

{
  "agents": {
    "list": [
      {
        "id": "your-agent",
        "tools": {
          "deny": ["web_fetch"]
        }
      }
    ]
  }
}

这样 Agent 就无法调用内置 web_fetch，只能通过本技能获取网页内容。

优势

• 🚀 Token 节省 50-80%: 去除广告、导航栏等噪音
• 🔄 自动容错: 四级服务降级，确保可用性
• 🆓 零成本: 全部使用免费服务
• 🔌 即插即用: 不需要 API Key
• 📝 干净输出: 纯 Markdown，无需额外解析