Reworkd AI
Reworkd · 程式設計
Reworkd AI 是一套以大型語言模型打造的網頁擷取平台，能大量建立並執行擷取程式，把網站轉成結構化資料。服務已於 2025 年 2 月 6 日終止。
關於 Reworkd AI
What Is Reworkd AI
Reworkd AI 是一套網頁資料擷取平台，用大型語言模型建立擷取程式，把網站裡的結構化資料撈出來。它的 LLM 網頁擷取是這樣運作的：你用一份結構描述（schema）寫下想要的欄位，接著由代理程式自己想辦法把這些欄位從整個網站和子頁面蒐集回來，不必手寫選取器。這種規模的網頁資料擷取正是重點，而公司鎖定的是需要大量資料的團隊，從產品目錄、價格表到評論都算。
訴求在於廣度。Reworkd 說它的客戶動輒擷取數百萬列資料，用來訓練特定領域的模型、餵養既有的資料管線，而這類工作通常得養一批工程師去照顧脆弱的擷取程式。Reworkd 想把這些濃縮成一份結構描述加一張來源清單。
最要緊的一點是：產品已經沒了。Reworkd 宣布在 2025 年 2 月 6 日終止平台，並請使用者聯絡窗口處理移轉。這個團隊也是 GitHub 上開源自主代理專案 AgentGPT 的推手，而那個還活著，商業擷取產品則沒有。如果你點進來是想找一個能用的工具，這個差別很關鍵。
Getting Started
- 建立帳號，開一個群組，這是你要擷取的網址的容器。
- 定義結構描述，也就是希望擷取程式回傳的欄位清單。
- 把來源網址加進群組。每個網址會變成一個工作，依序流經分類頁、列表頁與詳情頁。
- 讓模型自行建立並執行擷取程式。工作爬行時會把子頁面排進佇列，每次執行都會回報狀態與結果。
- 透過介面、API 或大批匯出把結果帶走，再排定群組依固定間隔重新擷取。
產品資訊
快速了解 Reworkd AI 的定價、支援平台與效能。
適合對象
這項工具最適合的使用者、任務與情境。
使用者
- 新創公司的資料團隊：寫好一份結構描述就能蒐集結構化的網頁資料，不必為了照顧擷取程式而另組團隊。按用量計價適合那種一陣一陣擷取、而不是全天候運轉的團隊。
- 機器學習工程師：輸出會餵進模型訓練與微調的流程，這也是它主打特定領域模型的原因。做這類工作的人現在得另找替代方案。
- 想先試水溫的開發者：免費方案讓你在花錢之前，先確認 LLM 擷取在自己鎖定的網站上跑不跑得動。
任務
- 從零售網站拼出產品目錄：一份包含名稱、價格與規格的結構描述，能讓單一擷取程式涵蓋許多相似的店面，不用每個網站各寫一套解析器。
- 大量蒐集評論與評分：平台在同一個工作裡同時處理列表頁與詳情頁，所以評論資料回來時已經是結構化的，不是一堆原始 HTML。
- 定期餵養資料管線：群組可以重新排程，後段的模型與儀表板就能保持最新，不必手動重跑。
- 補齊既有資料集：手上資料缺漏的團隊會用 Reworkd 把缺少的欄位補上，資料直接從線上頁面抓。
情境
- 需要幾十萬列資料的研究衝刺：代理程式建置的方式省下手寫爬蟲要付出的前置時間。
- 讓內部資料集保持新鮮：排程把一次性的擷取變成例行工作，而這正是多數正式環境資料管線真正需要的。
- 在投入之前先評估 LLM 擷取：免費方案和簡單的結構描述流程，讓你可以先在真實網站上測試輸出品質。
主要功能
由 LLM 建立擷取程式
核心概念是：你把想要的資料寫成結構描述，平台就生成擷取程式，不用你動手寫選取器。這在標記會變動的網站上降低了門檻，因為那裡的 CSS 選取器一遇到改版就失效。對沒有專職擷取工程師的團隊來說，這等於把幾週的前置作業換成一張待填的表單。
群組與結構描述驅動的工作
一個群組會把共用同一份結構描述與擷取頻率的來源網址綁在一起。群組內每個網址會變成一個工作，平台再把它拆成階段：先是分類頁，接著列表頁，最後詳情頁。這樣的結構讓一份定義就能涵蓋整個網站與子頁面，所以從十個網址擴到一萬個，也不用作廢重來。
排程重複擷取
群組可以排定依固定間隔重跑，這正是 Reworkd 與一次性爬取的差別。資料管線需要新鮮的紀錄，而排程把手動擷取變成例行工作。結果以去重後的檢視回傳，每次群組重跑就更新一次。
匯出與 API
擷取到的資料有三種出路：透過介面大批匯出、用 API 以程式方式取回輸出，以及支援擷取途中下載檔案。API 是讓 Reworkd 能嵌進既有管線、而不是當成一個必須親自造訪的終點。輸出都經過去重並依群組具體化，所以取用方拿到的是乾淨的檢視，不是一堆重複的原始資料。
工作階段與 Cookie 處理
有些網站把內容鎖在登入之後，或把狀態存在 cookie 與本機儲存空間。Reworkd 提供 API 端點來讀寫 cookie 與本機儲存空間，擷取程式因此能觸及一般 HTTP 客戶端碰不到的頁面。凡是要登入才看得到的內容都靠這招，而這正是簡易擷取工具常見的缺口。
底層技術架構
平台跑在串流架構上，團隊也公開談過如何用代理式 AI 與 GenAI 擴展即時擷取。Reworkd 的共同創辦人形容他們一天要處理數 TB 的資料、同時避開封鎖，這正是設計目標。這說明他們鎖定的是衝量的團隊，而不是偶爾抓一張表的人。
優缺點
優點
- 用結構描述設定，不必手寫選取器，沒有技術背景的人也能讓擷取程式跑起來。
- 單一群組能涵蓋許多相似的網站，跨店面或目錄擴展的成本因此降低。
- 排程擷取與去重輸出貼合真實管線，而不是一次性的爬取。
- API 匯出與 cookie 處理，讓它能在封閉網站上運作，也能融入既有流程。
- 免費方案讓團隊在付費前先測試輸出品質。
缺點
- 產品已終止。Reworkd 在 2025 年 2 月 6 日關閉平台，所以不能用來做新的工作。
- 移轉得自己來。Reworkd 只提供一個支援窗口讓你遷出，這表示既有的管線需要另找替代方案。
- 價格是在訂閱之外另行計量，費用會隨用量與頁數往上爬，而不是固定不變。
- LLM 的做法適合大範圍擷取，但冷門的邊緣情況仍需人工檢查，因為自動擷取遇到不常見的版面時，結果可能夾帶雜訊。
常見問題
Reworkd AI 用大型語言模型建立並執行網頁擷取程式。你定義想要的欄位結構描述、加入來源網址，平台就會蒐集整個網站與子頁面的結構化資料。團隊用它大量拼出產品目錄、評論與其他資料集。
相關內容
探索與 Reworkd AI 相關的工具、技能與文章。
Reworkd AI 替代方案
Base Code
Base44 (Wix) · 程式設計 · 生產力Base Code 是 Base44 推出的共享雲端開發環境。團隊在對話中描述對既有 GitHub 儲存庫的修改，看著預覽確認結果，再以 Pull Request 交回工程團隊。
Google EmbeddingGemma 2
Google DeepMind · 寫作 · 圖片 · 程式設計Google EmbeddingGemma 2 是 7.4 億參數的開源模型，能把文字、程式碼、圖片、音訊與影片畫面轉成同一個 768 維空間裡的向量，在手機與筆電上就能執行。
GitGlow
GitGlow · 程式設計 · 生產力GitGlow 是桌面版 Git 用戶端，把你自己的程式碼與 AI 代理程式的變更集中在同一份審查裡，讓你在交付前看清楚機器上究竟要送出什麼。