Original en anglais: https://argusic.com/subject/extractor
extractor
Utiliser les LLMs pour extraire des données web de manière robuste
Fonctionne avec des mockssource : GitHubpage d'accueilTypeScriptApache-2.0commit c9edd2bf363e
TypeScript, sous licence Apache-2.0. Le projet se décrit ainsi : ai agents, article extractor, crawler, data engineering, data pipeline, ecommerce scraping, etl et google gemini.
extractor fonctionne, avec des substituts pour les services dont il dépend. Un agent Argusic l'a installé en 0,1 minute et a rencontré 1 erreur sur une machine propre sans GPU, et toute la session a été enregistrée.
npm install builds successfully, 84 unit tests pass, 63 html-to-markdown integration tests pass with real ground-truth data, all LLM extraction integration tests pass with mocked providers, processedContent tests pass; Playwright browser tests fail at import on Node 18
Ce que l'agent a obtenu sur une machine propre, dans ses propres mots. Comment c'est mesuré
Mesuré par Argusic sur une machine vierge, à chaque fois. Chaque chiffre renvoie à ses preuves. Score Argusic de 72 sur 100 (la moyenne des scores des exécutions de ce projet).
En un coup d'œil
Données du projet issues de GitHub, avec un lien en haut de cette page, mis à jour le . Données de test d'Argusic (CC BY 4.0) ; chaque chiffre renvoie à une page d'exécution avec le log complet, l'enregistrement et leurs empreintes sha256.
Ce qui a été mesuré
Tiré de l'exécution qui a décidé ce verdict. Chaque ligne est une valeur enregistrée, pas une estimation.
Ce qui s'est mal passé, dans les mots de l'agent
Les propres mots de l'agent, le plus grave en premier, jamais réécrits en conseils.
- Playwright MCP bundle requires Node 20+ ESM VM API (Node 18 present) - browser-extraction tests fail at import
- Temps d'installation
- moins d'une minute
- De la machine vierge à la fin
- 39 minutes
- Erreurs rencontrées et corrigées
- 1 rencontrée, 0 corrigée sans aide humaine
- Comment le résultat a été prouvé
- npm test returned 165 passed, 1 failed (the 1 failure is Node 18 ESM incompatibility with Playwright, not a code bug)
- Tokens de modèle utilisés
- 916 435
- Commit exact testé
- c9edd2bf363e
- Image de conteneur
- sha256:cdd920bce783
Ce qui n'a pas été mesuré
L'autre moitié, pour que vous voyiez exactement jusqu'où vont ces preuves. Une lacune est affichée comme une lacune et n'est jamais comblée.
- Pic de mémoire GPU
- cette exécution a eu lieu sur une machine CPU, il n'y avait donc pas de GPU à mesurer
- Comportement sur une longue durée
- chaque tentative utilise les réglages documentés les plus légers et un budget de temps fixe : on mesure donc s'il fonctionne, pas comment il tient sous la charge
- Comportement face aux vrais services
- cette exécution n'a été vérifiée qu'avec des services de substitution
La fin de l'enregistrement
Les dernières lignes de la session de terminal qui a décidé ce verdict, exactement telles qu'elles ont été enregistrées.
The only unresolved failure is the Playwright browser test which requires Node 20+ for ESM VM API s… tokens used 916,435 **Test Summary (final)** - **Unit tests**: 3 suites, **84 passed** (converters, extractors, schemaUtils) - **Integration tests**: - `html-to-markdown`: **63 passed** (real HTML/markdown conversion verified against ground-truth … - `extract`: **all passed** (mocked LLM providers via `@langchain/openai` and `@langchain/google-… - `processedContent`: **3 passed** (TXT, MARKDOWN, HTML format content verification with mocked L… - `browser-extraction`: **2 failed** (Node 18 ESM incompatibility with Playwright's MCP bundle — … - **Overall**: 165 passed, 1 failed, 7 test suites The only unresolved failure is the Playwright browser test which requires Node 20+ for ESM VM API s…
Revoir toute la session, chaque commande depuis une machine propre jusqu'à ce point.
Comment le test a été mené
Un agent, un conteneur, aucune aide humaine. Il installe le projet comme l'indique sa propre documentation, l'exécute et corrige ce qui casse. Tout ce qui suit est enregistré tel que cela s'est passé : la session de terminal, le log et le commit exact. La méthode complète.
Points forts et limites
Des faits mesurés, pas des opinions. Comment ce site est rédigé.
Ce qui s'est bien passé
- Installé en 0,1 minute, plus vite que la médiane des 110 projets comparables mesurés par Argusic.
- Sous licence Apache-2.0, selon son hébergeur.
Ce qui ne s'est pas bien passé, ou n'est pas connu
- N'a atteint un état de fonctionnement qu'avec des services de substitution : rien ici ne prouve qu'il fonctionne avec les vrais.
- A rencontré 1 erreur pendant l'installation, dont 1 n'a pas été résolue.
- Mesuré une seule fois jusqu'ici. Une seule tentative montre qu'il peut fonctionner, pas qu'il fonctionne de façon fiable.
Sur les 111 projets ai-agents qu'Argusic a installés et chronométrés, extractor a été le 3e plus rapide à atteindre un état de fonctionnement, et 83 sur 111 en ont atteint un.
Également testés, dans le même domaine
Chacun de ces projets a été installé et exécuté par Argusic sur une machine propre. Rien n'apparaît ici sans avoir été testé.
Historique des exécutions
| testé par | tentative | résultat | score | coût USD | date |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | Fonctionne avec des mocks | 72,00 | 0,22 |
Sujets (depuis GitHub)
ai-agentsarticle-extractorcrawlerdata-engineeringdata-pipelineecommerce-scrapingetlgoogle-geminihtml-parserhtml-to-markdownllmllm-extractionllm-scrapermarkdownnlpopenairagweb-data-extractionweb-extractionwebscraping
Intégrer le badge
Markdown pour le README du projet. Il renvoie vers cette page ; conditions sur la page des conditions.
[](https://argusic.com/subject/extractor)Questions
- extractor fonctionne-t-il ?
- extractor fonctionne, avec des mocks à la place des services externes. Argusic l'a installé et lancé sur une machine propre en 0 minute, en rencontrant 1 erreur en route, et a enregistré la session.
- Comment Argusic a-t-il testé extractor ?
- Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit c9edd2bf363e. Une tentative est enregistrée, et la méthode complète se trouve sur la page de méthodologie.
- Combien a coûté le test d'extractor ?
- L'exécution qui a produit ce verdict a coûté 0,22 USD : le coût réel du calcul et du modèle, pas un prix catalogue par million de tokens. Il est enregistré sur la page de cette exécution.
- Combien de temps faut-il pour installer extractor ?
- 0,1 minute lors de l'exécution qui a décidé ce verdict, d'une machine propre à un état de fonctionnement. Il s'agit d'une tentative mesurée, pas d'une moyenne.
- extractor a-t-il besoin d'un GPU ?
- Pas pour démarrer. Argusic a atteint un état de fonctionnement sur une machine sans GPU.
- Qu'est-ce qui pose problème lors de l'installation d'extractor ?
- 1 problème est survenu lors de l'exécution enregistrée. Chacun, avec le temps qu'il a coûté, est listé sur cette page.
- Comment extractor se compare-t-il aux alternatives ?
- Sur les 111 projets ai-agents qu'Argusic a installés et chronométrés, extractor a été le 3e plus rapide à atteindre un état de fonctionnement, et 83 sur 111 en ont atteint un.
- Où sont les preuves pour extractor ?
- L'exécution enregistrée se trouve sur cette page, chacune avec un lien vers son log complet et son enregistrement du terminal, conservés avec une empreinte sha256 pour qu'ils ne puissent pas être modifiés discrètement.