Original em inglês: https://argusic.com/subject/deepcrawl
deepcrawl
Alternativa edge 100% gratuita e totalmente open-source ao Firecrawl com melhor extração de links para agents - que você mesmo pode fazer deploy para Cloudflare ou Vercel.
Executafonte: GitHubpágina do projetoTypeScriptMITcommit 964de4b1fac9
TypeScript, licença MIT. O projeto se descreve como: ai agent tools, ai sdk, better auth, cloudflare workers, crawling, deepcrawl, hono e html cleaner.
deepcrawl executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 18 minutos e encontrou 6 erros, e a sessão inteira foi gravada.
Dependencies installed, SDK tests pass (41/41), full monorepo build and typecheck pass, and the dashboard serves HTTP 200 on / and /docs in both dev and production modes; the V0 API worker served 200 on /, /docs and /openapi in local mode with D1 migrations applied.
O que o agent conseguiu em uma máquina limpa, nas palavras dele. Como isto é medido
Medido pela Argusic em uma máquina nova, todas as vezes. Cada número tem link para as suas evidências. Pontuação Argusic 93,3 de 100 (a média das pontuações das execuções deste projeto).
Visão geral
Dados do projeto de GitHub, com link no topo desta página, atualizado em . Dados de teste da Argusic (CC BY 4.0); cada número tem link para uma página de execução com o log completo, a gravação e os hashes sha256 deles.
O que foi medido
Da execução que decidiu este veredito. Cada linha é um valor registrado, não uma estimativa.
O que deu errado, nas palavras do agent
As palavras do próprio agent, das piores para as menores, nunca reescritas como conselho.
- Wrangler dev requires CLOUDFLARE_API_TOKEN and reaches remote D1/KV/service bindings by default (wrangler.jsonc marks them remote)5 minutos
- Auth package fails to load: better-auth-harmony requires validator/es/lib/isEmail.cjs which doesn't exist in validator 13.155 minutos
- tsdown build needs Node>=20 (node:util.styleText), container has Node 183 minutos
- rolldown missing native binding @rolldown/binding-linux-x64-gnu3 minutos
- Dashboard build failed: [getBaseURL] URL is not defined2 minutos
- Root env:generate fails: no tsx dependency
- Tempo de instalação
- 18 minutos
- Da máquina limpa até o fim
- 33 minutos
- Erros encontrados e corrigidos
- 6 encontrados, 4 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- pnpm -C packages/sdks/js-ts test exited 0, 41 passed; pnpm build exited 0 (3 tasks); curl -s -o /dev/null -w %{http_code} http://localhost:3100/ returned 200 (dev and next start); curl http://localhost:8080/ returned 200 on wrangler local dev
- Tokens de modelo usados
- 2.460.309
- Commit exato testado
- 964de4b1fac9
- Imagem do container
- sha256:cdd920bce783
O que não foi medido
A outra metade, para você ver exatamente até onde estas evidências vão. Uma lacuna é mostrada como lacuna e nunca é preenchida.
- Pico de memória da GPU
- esta execução foi em uma máquina com CPU, então não havia GPU para medir
- Comportamento em uma execução longa
- cada tentativa usa as menores configurações documentadas e um orçamento de tempo fixo, então isto mede se ele executa, não como ele se comporta sob carga
Assista à sessão
A execução inteira, a partir de uma máquina limpa, na velocidade em que realmente aconteceu. Nada é cortado e nada é acelerado.
Uma gravação da tentativa 1, executada em , a tentativa que decidiu o veredito acima. A gravação do terminal da qual ele foi feito é a evidência, guardada com uma impressão digital sha256; o vídeo é uma renderização dela. Nada é carregado do serviço de vídeo até você apertar o play.
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
- Dashboard dev: `GET /` → 200, `GET /docs` → 200. - Dashboard production (`next start` after `next build`): `GET /` → 200, `GET /docs` → 200. - V0 API worker (`wrangler dev` with local D1/KV and local migrations applied): `GET /` → 200 (retu… **Errors found and fixed** - Node 18 too old for `tsdown` (needs `node:util.styleText`) → installed Node 22.14.0 into `/tmp` a… - Missing `@rolldown/binding-linux-x64-gnu` native binding → added it as an explicit devDependency … - Dashboard build failed (`getBaseURL: URL is not defined`) → supplied the documented env vars. - Wrangler default config points D1/KV/service bindings at remote Cloudflare, which requires real C… **Not fixable without real credentials/deps** - Default `dev:workers` needs Cloudflare remote resources or an account token. - `@deepcrawl/auth` module load fails at runtime because `better-auth-harmony` requires `validator/… That means `launch_succeeded` is based on the verified dashboard + worker + SDK suite, and coverage…
Reproduzir a sessão inteira, cada comando desde a máquina limpa até este ponto.
Como foi testado
Um agent, um container, nenhuma ajuda humana. Ele instala o projeto do jeito que a própria documentação do projeto manda, executa o projeto e corrige o que quebra. Tudo abaixo é registrado como aconteceu: a sessão de terminal, o log e o commit exato. A metodologia completa.
Pontos fortes e limites
Fatos medidos, não opiniões. Como este conteúdo é escrito.
O que deu certo
- Chegou a um estado de execução em uma máquina limpa, com a sessão gravada.
- Instalado em 18 minutos.
- Executou sem GPU, então não precisa de uma para iniciar.
- Licença MIT, segundo a plataforma onde o projeto está hospedado.
O que não deu certo, ou não se sabe
- Encontrou 6 erros durante a configuração, 2 dos quais não foram resolvidos.
- Medido uma vez até agora. Uma única tentativa mostra que ele pode executar, não que executa de forma confiável.
Para que é uma escolha razoável
- Testar em um laptop ou em um servidor pequeno: ele chegou a um estado de execução sem GPU.
Também testados, na mesma área
Cada um destes foi instalado e executado pela Argusic em uma máquina limpa. Nada aparece aqui sem ter sido testado.
Histórico de execuções
Tópicos (de GitHub)
ai-agent-toolsai-sdkbetter-authcloudflare-workerscrawlingdeepcrawlhonohtml-cleanerhtml-to-markdownlinks-extractionlinks-treenextjsnextjs16orpctypescriptweb-scraperweb-scraping
Incorporar o selo
Markdown para o README do projeto. Ele tem link de volta para esta página; os termos estão na página de termos.
[](https://argusic.com/subject/deepcrawl)Perguntas
- deepcrawl executa?
- Sim. deepcrawl executa. A Argusic o instalou e iniciou em uma máquina limpa em 18 minutos, encontrando 6 erros no caminho, e gravou a sessão.
- Como a Argusic testou deepcrawl?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 964de4b1fac9. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar deepcrawl?
- A execução que produziu este veredito custou US$ 0,56: custo real de computação e de modelo, não um preço de tabela por milhão de tokens. Esse valor está registrado na página da execução.
- Quanto tempo leva para instalar deepcrawl?
- 18 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- deepcrawl precisa de GPU?
- Não para iniciar. A Argusic chegou a um estado de execução em uma máquina sem GPU.
- O que dá errado ao instalar deepcrawl?
- 6 coisas quebraram na execução registrada, e 4 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Onde estão as evidências de deepcrawl?
- A execução registrada está nesta página, cada uma com link para o seu log completo e a sua gravação do terminal, guardados com uma impressão digital sha256 para que não possam ser alterados discretamente.