ZooData

Hi PH 👋，

我是 ZooData 的 Ning。

简单说说我们为什么做这个。

如果你用智能体做过任何东西，你就会明白数据的问题。你抓取一个页面——用 browser-use、Playwright 或者其他工具——返回的是原始 HTML 或者“干净”的 markdown。无论哪种，里面都塞满了导航栏、页脚、广告和样板代码。给人读没问题，但对 LLM 来说，你是在烧几千个 token 让模型先过滤掉这些垃圾，然后才能做有用的事。规模上来讲，这是真金白银，而且大部分都浪费了。

Markdown 是常见的解决办法。但 markdown 是为人类阅读设计的，不是为需要操作数据的智能体设计的。读者不同，格式也得不同——智能体不需要散文，它需要结构。

ZooData 把提取这一步做对了：任何 URL → 结构化的 JSON。无需定义 schema，无需针对每个站点写 parser，无需维护选择器胶水代码。相比同一页面的原始 markdown，token 消耗减少约 75%——大约是其他提取器成本的五分之一。而且你只需为你实际使用的字段付费；提取本身不消耗额度。支持 API、CLI 和 MCP server，所以可以直接嵌入你的智能体栈，无需重写任何东西。预分析好的电商平台情报——你的智能体可以直接查询竞争对手、市场、流量和消费者信号，而不需要自己抓取后再拼接。更多平台即将支持。我们认为 AI 智能体的下一个瓶颈不会是模型有多聪明——而是它们所依赖的数据质量。

随着 AI 生成的内容充斥网络，智能体需要干净、结构化、可验证的数据才能做出可靠决策。这就是我们在构建的 layer，而且它会产生复合效应：我们每处理一个页面，下一次请求就更便宜、更快、更可信。

ZooData 是其他一切运行的基础——我们不久前在这里推出了 ZooClaw（面向个人的智能体），而 ZooWork（企业版）也即将上线。

1000 免费额度，无需绑定卡。只需告诉你的智能体：

npx skills add SerendipityOneInc/ZooData-Skills

然后就可以开始了。

期待大家的反馈。我也很好奇——你抓取过的最乱的站点是哪个？🙏

只按使用的字段付费，这对数据提取来说太合理了。

很高兴看到从第一天起就提供了 MCP server。这表明对当前开发者工作流有深刻理解，也让这种 JSON 提取的集成更有吸引力。

发布得很棒！token 数量这个点尤其关键，至少对智能体来说是这样。为过滤“干净” markdown 里的样板代码付费，是一种直到账单来了才意识到的隐性成本。想问一下——当某个网站悄悄改了布局或者跑 A/B 测试时，你们学到的模板会不会仍然映射到旧字段，然后错误地返回一个看起来很置信的值？

看起来很有用！数据提取确实是 AI agent 的关键需求。

好奇它在反机器人机制面前表现如何——很多最难抓的站点之所以难，不是因为标记混乱，而是因为它们主动阻止自动化请求。如果某个站点直接给你一个验证码页面而不是 HTML，那按字段付费的定价还适用吗？还是说这种情况算作单独的错误处理？