英語の原文: https://argusic.com/subject/extractor
extractor
LLMs を使用して Web データを堅牢に抽出します。
モックで動作するソース: GitHubホームページTypeScriptApache-2.0コミット c9edd2bf363e
TypeScript、Apache-2.0 ライセンス. プロジェクト自身の表記: ai agents、article extractor、crawler、data engineering、data pipeline、ecommerce scraping、etl、google gemini.
extractor は、依存するサービスを代わりのものに置き換えたうえで動作します。Argusic のエージェントが GPU のないクリーンなマシンで 0.1 分でインストールし、1 件のエラーに遭遇し、セッション全体が記録されました。
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
クリーンなマシンでエージェントが最終的に得た結果 (エージェント自身の言葉)。 計測方法
Argusic が毎回新しいマシンで計測しています。 すべての数値はその証拠にリンクしています。 Argusic スコア 100 点中 72 点 (このプロジェクトの実行スコアの平均)。
概要
プロジェクトのデータは GitHub から取得 (このページの冒頭にリンクあり)、更新日 。テストデータは Argusic によるもので (CC BY 4.0)、すべての数値は、完全なログ、録画、それらの sha256 ハッシュを含む実行ページにリンクしています。
計測した内容
この判定を決めた実行から取得しています。 各行は記録された値であり、推定値ではありません。
うまくいかなかった点 (エージェント自身の言葉)
エージェント自身の言葉を、深刻なものから順に掲載しています。助言に書き換えることはありません。
- Playwright MCP bundle requires Node 20+ ESM VM API (Node 18 present) - browser-extraction tests fail at import
- インストール時間
- 1 分未満
- クリーンなマシンから完了まで
- 39 分
- 遭遇したエラーと修正したエラー
- 1 件に遭遇、0 件を人の手を借りずに修正
- 結果の証明方法
- npm test returned 165 passed, 1 failed (the 1 failure is Node 18 ESM incompatibility with Playwright, not a code bug)
- 使用したモデルのトークン
- 916,435
- テストした正確なコミット
- c9edd2bf363e
- コンテナイメージ
- sha256:cdd920bce783
計測していない内容
残りの半分です。この証拠がどこまでを示すのかを正確に確認できます。欠けている部分は欠けているものとして表示し、埋めることはありません。
- GPU メモリのピーク
- CPU マシンで実行したため、サンプリングする GPU がありませんでした
- 長時間の実行での振る舞い
- 各試行はドキュメントにある最小の設定と決まった時間予算を使うため、計測しているのは動作するかどうかであり、負荷のもとでどう持ちこたえるかではありません
- 実際のサービスに対する振る舞い
- この実行は代わりのサービスに対してのみ検証されました
録画の最後
この判定を決めたターミナルセッションの最後の行を、記録されたとおりに表示しています。
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…
セッション全体を再生 (クリーンなマシンからこの時点までのすべてのコマンド)。
テスト方法
1 つのエージェント、1 つのコンテナで、人の手は借りません。エージェントはプロジェクト自身のドキュメントに書かれた方法でインストールし、実行し、壊れた部分を修正します。以下はすべて、実際に起きたとおりに記録されています: ターミナルセッション、ログ、そして正確なコミットです。 評価方法の全文.
強みと限界
意見ではなく、計測された事実です。コンテンツの作成方法.
うまくいった点
- 0.1 分でインストールでき、Argusic が計測した比較可能な 110 件のプロジェクトの中央値より速い結果です。
- ホストの報告によると、ライセンスは Apache-2.0 です。
うまくいかなかった点、または不明な点
- 代わりのサービスに対してのみ実行状態に達したため、実際のサービスで動作することはここでは証明されていません。
- セットアップ中に 1 件のエラーに遭遇しました。そのうち 1 件は解決されていません。
- これまでの計測は 1 回です。1 回の試行は動作し得ることを示すだけで、安定して動作することは示しません。
Argusic がインストールして時間を計測した ai-agents のプロジェクト 111 件のうち、extractor は実行状態に達するまでの速さが 3 番目で、111 件中 83 件がそもそも実行状態に達しました。
同じ分野でテストしたプロジェクト
ここに挙げたものはすべて、Argusic がクリーンなマシンにインストールして実行しました。テストしていないものは表示されません。
実行履歴
トピック (出典: GitHub)
ai-agentsarticle-extractorcrawlerdata-engineeringdata-pipelineecommerce-scrapingetlgoogle-geminihtml-parserhtml-to-markdownllmllm-extractionllm-scrapermarkdownnlpopenairagweb-data-extractionweb-extractionwebscraping
バッジを埋め込む
プロジェクトの README に貼る Markdown です。バッジはこのページにリンクします。利用条件: 利用規約ページ.
[](https://argusic.com/subject/extractor)質問
- extractor は動作しますか?
- extractor は、外部サービスの代わりにモックを使って動作します. Argusic はクリーンなマシンで 0 分でインストールして起動し、途中で 1 件のエラーに遭遇し、セッションを記録しました。
- Argusic は extractor をどのようにテストしましたか?
- 新しい使い捨てのマシンで、すべてのコマンドを記録しながらテストしました (リポジトリはコミット c9edd2bf363e に固定)。記録された試行は 1 回で、手順の全体は評価方法のページに掲載しています。
- extractor のテストにはいくらかかりましたか?
- この判定を出した実行のコストは 0.22 USD です: 100 万トークンあたりの定価ではなく、実際の計算資源とモデルのコストです。その実行のページに記録されています。
- extractor のインストールにはどのくらい時間がかかりますか?
- この判定を決めた実行では、クリーンなマシンから実行状態まで 0.1 分でした。これは 1 回の計測された試行であり、平均ではありません。
- extractor には GPU が必要ですか?
- 起動には必要ありません。Argusic は GPU のないマシンで実行状態に達しました。
- extractor のインストールでは何がうまくいきませんか?
- 記録された実行では 1 件の問題が発生しました。それぞれの問題と、かかった時間をこのページに掲載しています。
- extractor は代替のプロジェクトと比べてどうですか?
- Argusic がインストールして時間を計測した ai-agents のプロジェクト 111 件のうち、extractor は実行状態に達するまでの速さが 3 番目で、111 件中 83 件がそもそも実行状態に達しました。
- extractor の証拠はどこにありますか?
- 記録された実行をこのページに掲載しており、それぞれが完全なログとターミナル録画にリンクしています。録画は sha256 フィンガープリントとともに保存されているため、こっそり改変することはできません。