有没有能够阅读网页链接内部信息的AI模型？

在成功验证了纯提示词方案后，接下来就是产品化开发阶段。虽然代码编程不是我的强项，但配合Cursor、Windsurf这类AI编程工具，插件的实现效果相当不错。所以，我想试着分享一些关键过程，尤其是提示词封装环节，希望对有意开发AI产品的朋友有所启发。与提示词智能体不同，产品化开发需要考虑更多：1.如何稳定的获取网页内容？2.如何选择适合的AI大模型API服务？3.面向大模型API，如何构建生产级提示词？[heading2]1）如何稳定的获取网页内容？?[content]在上述初版提示词实验中，获取网页内容极大依赖于大模型对话产品的外链解析能力。然而，这种方式非常容易遭到平台反爬机制的制裁。在实验过程中，最影响提示词方案效果的因素，不是大模型的生成质量，而是无法稳定地捕获网页内容。转换思路来看，网页内容通常以明文形式展示在用户浏览器中，内容平台不可能对用户设备进行反爬制裁。通过用户浏览器，以浏览器插件形式本地提取网页内容，正是一种稳定、经济的解决方案。以下是AI Share Card插件所获取的网页元素清单：附：开发时，如何确定需要插件获取哪些网页元素？你可以拿着初版提示词，询问AI：我希望通过浏览器插件，获取提示词中所需的标签页标题、链接、内容元素，请你帮我设计获取相关元素的js代码参考对话如下，也可以直接在Cursor、Windsurf里提示AI帮你完成开发

与大模型对话产品的提示词不同。对于大模型API，我们需要利用插件预先获取的网页内容变量、提示词和API请求参数，拼搭出完整的API提示请求，精确引导API返回我们想要的生成结果。根据BigModel官网给出的请求示例，可以看到需要在请求中传递Model类型、系统提示词、用户提示词、top_p、temperature等关键参数。因此，可以构建相应的API请求内容如下：1.设定系统提示词，定义基础任务：2.3.设定用户提示词，提供具体任务数据，并要求大模型按JSON格式返回生成结果：4.注：为确保大模型能有效进行内容总结，提示词中使用${}语法动态引用插件获取的网页数据（如标题、描述、正文等）。在实际发送API请求时，这些变量会被替换为真实的网页内容。5.6.最后，根据文本总结类任务的通常经验与实际调试情况，设定其他API所需关键参数：7.如果你缺少参数设定的经验，也可以先询问AI文本总结类的模型API请求，temperature设定多少合适，再逐步调试效果即可。8.附：以下是Claude AI对AI Share Card插件的大模型API请求与提示词的设计架构解释，希望能对你有所帮助。

插件的idea其实来自早先挖的一个坑，在词生卡刚火那阵子，就想更进一步的发挥大模型对话产品的能力，做一个真正的提示词智能体。目标是实现输入任意文章链接后，AI自动生成适合微信分享的文章推荐卡片。为了达到这一效果，大模型对话产品需要完成以下关键步骤：1.网页爬取：自行访问链接，解析网页内容2.内容总结：根据提示词要求，提炼标题、摘要、要点等信息3.二维码生成：利用qrcode.js库，将URL转换为二维码图片4.卡片样式生成：基于特定模板设计要求（暂不考虑自适应样式主题），将卡片内容、二维码组合为精美的分享卡片理论上来说，这类词生卡任务正是大模型对话产品的天然“舒适区”。所以直接编写「网页分享卡片生成」词生卡Prompt如下：值得一提的是，通过实践探索，我发现了新的词生卡Prompt组织方法：把设计要求拆分为“设计规范”和“内容结构”，再细分为“布局与尺寸”、“字体规范”、“颜色规范”的独立模块，并结合“内容结构”进行要求提示。这种提示词组织方式有3个显著优势：1.模型通用性：采用纯Markdown格式编写，不依赖特定模型的特性，可以适配不同的大语言模型2.提示简易性：提示词结构清晰易读，便于自然语言编写，降低使用门槛。3.生成稳定性：通过清晰的模块划分和自然语言描述，避免了指令间的相互干扰，提高了AI生成样式代码的准确性和一致性