开场

上一篇我们把爬虫跑起来了，但 parse 里那几行选择器是从官方教程抄的。

开场

事情是这样的。

把 Headroom、RTK 和 Ponytail 这三套件在本地 Codex 中协同使用，核心是让它们各司其职，形成一个从输入到输出的完整精简管道。

🧩 三套件的角色分工

它们分别作用于 Codex 工作流的不同环节：

做 AI 应用的人，迟早都会撞上同一个问题–喂给模型的数据从哪来？ 模型自己不会上网。你要给它知识，就得先去网上抓内容、清洗、转成它能吃的格式。而网页抓取这件事，从来都不简单：动态加载、反爬、登录态、表格、分页、JS 渲染……每个都是坑。 有人专门为 LLM 场景做了一个爬虫，把抓取到的网页直接转成干净的 Markdown。这个项目叫 crawl4ai，是 GitHub 上 star 最多的爬虫，作者是 unclecode。

现在的模型其实已经能读懂流程、模块和依赖关系。你把一段产品逻辑扔进去，它很快就能生成 Mermaid、SVG，或者一页带流程图的 HTML。但其实只靠模型的 Coding 能力，一次性能把关系画清楚，其实目前应该还不太行。文字密度、留白、连线不对、重叠等等毛病很难靠一句提示词解决。Diagram Design 这个开源项目把字号、间距、配色、节点数量和视觉层级写成规则，让 Agent 照着执行。

写代码或做内容，都有必要建「知识图谱」

🔥知识图谱：不管写代码还是做内容，都有必要建「知识图谱」