最新

我们是 Webhound（<https://webhound.ai>）背后的团队，Webhound 是一款 AI 智能体，可以根据自然语言提示从网络上构建数据集。你描述你想要查找的内容，智能体就会确定如何构建数据、在哪里查找，然后进行搜索、提取结果，并将所有内容以 CSV 格式输出，供你导出。 我们为 HN 社区设置了一个特殊的免注册版本，请访问 <https://hn.webhound.ai> - 只需点击“以访客身份继续”即可试用，无需注册。 这里有一个演示：<https://youtu.be/fGaRfPdK1Sk> 我们开始构建它的原因，是因为厌倦了手动进行这类研究。打开 50 个标签页，将所有内容复制到电子表格中，意识到它不一致，然后重新开始。感觉这应该是 LLM 能够处理的事情。 以下是过去一个月人们使用它的一些示例： 竞品分析：“创建一个内部工具平台（Retool、Appsmith、Superblocks、UI Bakery、BudiBase 等）的对比表格，包括它们的免费套餐限制、定价层级、入门体验、集成以及它们在着陆页上的定位。”（<https://www.webhound.ai/dataset/c67c96a6-9d17-4c91-b9a0-ff6927c44f80>） 潜在客户开发：“查找最近推出的销售护肤品的 Shopify 商店。我需要商店的 URL、创始人姓名、电子邮件、Instagram 账号和产品类别。”（<https://www.webhound.ai/dataset/b63d148a-8895-4aab-ac34-455e341c67c8>） 价格跟踪：“使用官方网站和变更日志，跟踪过去 6 个月内笔记应用程序的免费和付费套餐的变化情况。列出每个应用程序，包括变化的时间线和每个变化的来源。”（<https://www.webhound.ai/dataset/c17e6033-5d00-4e54-baf6-8deab09e85d7>） 投资者映射：“查找在过去一年中，为基于浏览器的开发工具初创公司领投或参与了 pre-seed 或 seed 轮融资的 VC。包括 VC 名称、相关合伙人、联系方式和投资组合链接，以供参考。”（<https://www.webhound.ai/dataset/1480c053-d86b-40ce-a620-37fda3444340>） 研究收集：“获取最近关于 NLP 中弱监督的 arXiv 论文列表。对于每篇论文，包括摘要、引用次数、发表日期和 GitHub 仓库（如果可用）。”（<https://www.webhound.ai/dataset/e274ca26-0513-4296-85a5-2b7b7c423ce2>） 假设检验：“检查过去 3 个月内用户对 Figma 在大文件上的性能问题的抱怨是否有所增加。搜索 Hacker News、Reddit 和 Figma 社区网站等论坛，并显示带有时间戳和参与度指标的最相关帖子。”（<https://www.webhound.ai/dataset/42b2de49-acbf-4851-bbb7-080b66e845cd>） Webhound 的第一个版本是一个在 Claude 4 Sonnet 上运行的单一智能体。它有效，但每次会话的成本通常超过 1100 美元，而且它经常陷入无限循环。我们知道这不可持续，所以我们开始围绕更小的模型进行构建。 这意味着需要增加更多结构。我们引入了一个多智能体系统，以保持其可靠性和准确性。有一个主智能体，一组并行运行子任务的搜索智能体，一个保持事情按部就班的评论智能体，以及一个在保存数据之前仔细检查提取数据的验证器。我们还为它提供了一个用于长期记忆的记事本，这有助于避免重复并跟踪它已经看到的内容。 在切换到 Gemini 2.5 Flash 并分层构建智能体系统后，我们能够将成本降低 30 倍以上，同时提高了速度和输出质量。 该系统分两个阶段运行。第一阶段是规划，它决定模式、如何搜索、使用哪些来源以及如何知道何时完成。然后是提取阶段，它执行计划并收集数据。 它使用我们构建的基于文本的浏览器，该浏览器将页面渲染为 markdown 并直接提取内容。我们尝试了使用完整的浏览器，但它速度较慢且可靠性较低。纯文本对于这种任务仍然更好。 我们还构建了定期刷新以保持数据集的最新状态，并构建了 API，以便您可以将数据直接集成到您的工作流程中。 目前，所有内容在运行期间都保留在智能体的上下文中。根据属性的数量，它在 1000-5000 行左右开始崩溃。我们正在开发一种更好的架构来扩展到这个范围之外。 我们很乐意收到反馈，特别是来自任何尝试过解决这个问题或构建过类似工具的人。很乐意在帖子中回答任何问题。 谢谢！ Moe