ZooData

你好 PH 👋，

我是 ZooData 的 Ning。

先简单交代一下我们为什么要做这件事。

如果你用过 agents 搭建任何东西，你一定知道数据问题。你抓取一个页面——用 browser-use、Playwright 或者别的工具——拿回来的是原始 HTML，或者所谓“清理过”的 markdown。但不管哪种，都塞满了导航栏、页脚、广告和模板文本。对人阅读来说没问题，但给 LLM 看，你就是在白白烧掉几千个 token，模型得先把这些东西过滤掉才能做点有用的事。规模化之后，这是真金白银的浪费，而大部分都是浪费。

Markdown 通常是大家的解决方案。但 markdown 是为人阅读设计的，不是为需要在数据上采取行动的 agent 设计的。读者不同，格式也该不同——agent 不需要散文，它需要的是结构。

ZooData 把提取这一步做对了：

• 任何 URL → 结构化 JSON。无需定义 schema，无需为每个站点写解析器，也不用维护那些胶水式的选择器代码。

• 同一页面比原始 markdown 少约 75% 的 token——成本大约是其他提取器的 1/5。而且你只为实际用到的字段付费，提取本身不消耗积分。

• 支持 API、CLI 和 MCP server，可以直接接入你的 agent 栈，不用重写任何东西。

• 预先分析过的电商平台情报——竞品、市场、流量和消费者信号，你的 agent 可以直接查询，而不是自己去抓取后再拼接。更多平台正在接入中。

我们相信 AI agents 的下一个瓶颈不会是模型变得多聪明——而是它们所依赖的数据质量。

随着 AI 生成的内容在互联网上泛滥，agents 需要干净、结构化且可验证的数据，才能做出可靠的决策。这正是我们在打造的那一层，而且它会复利式累积：我们每处理一个页面，下一次请求就会更便宜、更快、更值得信赖。

ZooData 是这一切得以运行的基础——我们不久前刚发布了 ZooClaw（面向个人的 agents），ZooWork（企业版）也即将推出。

1000 个免费积分，无需信用卡。只需告诉你的 agent：

npx skills add SerendipityOneInc/ZooData-Skills就可以开始用了。

非常期待你的反馈。另外我很好奇——你遇到过的最棘手/最混乱的抓取网站是哪一个？🙏