「数据采集脚本」是运营与开发人员的高频任务。它的输入通常是目标页面，期望得到的是采集脚本。这类有固定流程、又需要一点判断力的工作，很适合封装成智能体 Skill。

把下面的清单保存下来，每次使用或修改「数据采集脚本」技能时过一遍。

编写时

  • description 写清做什么、什么时候用
  • 输入写明需要目标页面，并要求缺信息先提问
  • 步骤为编号列表：检查网站条款与 robots、分析页面结构、编写脚本、控制频率
  • 输出写明采集脚本的结构
  • 约束包含领域底线与不可逆操作的处理方式
  • 长资料拆到参考文件

上线前

  • 6 类测试输入全部通过
  • 权限按最小范围配置
  • 技能文件中没有密钥和真实个人信息
  • 有负责人和变更记录

每次使用时

  • 输入材料已脱敏或确认可以交给所用平台
  • 观察智能体是否加载了技能
  • 查看“需人工确认”清单
  • 对照原始材料抽查关键信息
  • 属于中等风险：结果会影响业务判断，建议在输出前设置人工审核点

使用后

  • 记录明显的问题样例
  • 输出被大幅修改时，分析原因并考虑改技能
  • 定期检查平台更新是否影响技能

每一步的快速核对

  • 检查网站条款与 robots
  • 分析页面结构
  • 编写脚本
  • 控制频率

清单只是底线，深入内容见常见坑与安全审查。

平台选择建议

同一个「数据采集脚本」技能可以落在不同平台上，选择时主要看你在哪里工作、要不要执行代码、要不要接外部系统：

  • GPTs：GPTs 是在 ChatGPT 中创建的定制版助手。详见GPTs 版
  • Dify 工作流：Dify 是开源的大模型应用开发平台。详见Dify 工作流 版
  • n8n AI Agent：n8n 是可自托管的工作流自动化工具。详见n8n AI Agent 版

这个技能需要运行本地脚本（解析文件、调用命令行工具等），要求运行环境允许执行代码，可据此排除不支持相应能力的平台。

智能体与人的分工

技能不是把工作全部交出去，而是把重复、机械的部分交给智能体，人把住判断和责任：

步骤智能体负责人负责
检查网站条款与 robots按指令完成并给出依据抽查关键处，确认无误
分析页面结构按指令完成并给出依据抽查关键处，确认无误
编写脚本按指令完成并给出依据抽查关键处，确认无误
控制频率按指令完成并给出依据抽查关键处，确认无误
最终交付整理采集脚本决定是否采用、是否对外

属于中等风险：结果会影响业务判断，建议在输出前设置人工审核点。

准备一份好范例

在技能的参考资料里放一份你认可的采集脚本范例，往往比多写十条规则更有效。好范例应当：

  • 来自真实工作，但已去除个人信息和敏感数据
  • 体现团队习惯的结构、措辞和详略程度
  • 包含一处“需人工确认”的标注示范，让智能体学会如何表达不确定
  • 篇幅适中，不要比平时的产出长太多

范例不必多，一到两份即可；太多范例反而会让智能体机械模仿某一份的细节。

延伸阅读

说明：文中的配置、代码与目录结构均为示意，用于说明思路；各平台的入口、字段名与能力会更新，落地前请以对应官方文档为准。示例中的数据与场景为虚构，不代表真实案例。