为什么不让 LLM 每次直接采集？
选择： AI 在接入或规则失效时提出候选；人工审核后冻结规则，生产执行确定性流程。
取舍： 相同页面应得到可复现的提取结果，也需要控制持续运行成本。代价是网站变化后要修复并重新审核规则，而不是让模型在生产中自由改变行为。
个人项目 · 自托管 Alpha · 官网已上线
Extrio · AI 网页数据采集平台
AI 辅助接入，人工审核规则，持续采集可追溯数据
面向标讯与公开信息采集，让 AI 辅助生成和修复规则，由人审核发布；生产采集执行冻结规则，保留样本、质量判断与来源证据。
我的工作：产品定义 · 规则与运行模型 · 全栈实现与验证
交付与验证
将来源接入、AI 规则生成、样本检查、人工审核、确定性采集与质量交付组织为同一流程；实现真实前后端、运行记录、数据检索、导出及证据追溯。
- 真实采集与审核流程
- 前后端、SQLite/PostgreSQL 专项与浏览器路径已有验证
- 生产执行不依赖 LLM
- AI 用于接入和修复，已发布采集按冻结规则运行
自托管 Alpha，核心流程已有实现与本地验证。
2026-09-06 交付记录包含前后端测试、真实鉴权 API、筛选导出和桌面页面检查。字段版本与迁移、完整外部交付、生产恢复和规模验证仍有后续工作，不能把界面或自动化通过视为完整生产验收。
项目性质
个人研发项目，与任职期间的标讯产品原型分开。截图来自本地系统中的历史公开网页样本和运行记录，不包含公司内部业务数据，也不代表当前网站兼容性、客户采用或商业规模。
关键产品决策
采到数据之后，为什么还要允许拒绝？
选择： 将抓取成功与质量接收分开，保留原文、字段证据、拒绝原因和运行版本。
取舍： 缺字段或不符合要求的结果不能只因请求成功就进入下游。可解释的拒绝比表面高成功率更有价值，同时需要运营人员处理真正有意义的异常。
项目背景与实现范围
业务问题
多源网页持续变化，手工维护采集规则成本高；直接让模型处理每一页又难以稳定复现。产品需要兼顾接入效率、运行成本与数据质量，并让人工接管发生在明确位置。