专为 LLM 与 RAG 设计的 6 款开源数据提取工具盘点

作者盘点了 Firecrawl、Crawl4AI、MarkItDown、Docling、Scrapegraph-ai 与 Maxun 这 6 款专为大模型设计的开源数据提取与文档解析工具。文章指出，直接输入原始网页 DOM 既浪费上下文 Token，又容易引入噪声造成检索漂移，而这些工具针对 Markdown 转换和结构化提取做了优化，可降低数据预处理成本，为开发者提供高信噪比数据流的选型参考。