Crawl4AI Agent Skill
Переносимый скилл для CLI и Python-библиотеки Crawl4AI: страницы на JavaScript, извлечение данных по CSS-схемам и пакетный обход.
- 50 ★ репозитория
- Последний коммит
Широкий доступ
Почему такой уровень
- Скилл запускает безголовый браузер, ходит по чужим сайтам и сохраняет сессии с состоянием входа.
- Сбор данных может нарушать условия сайта или закон о персональных данных.
Установка
- Работает в
В терминале, через SkillFoxx CLI
npx skillfoxx add skills/crawl4ai-agent-skillОпределит агенты на машине, покажет уровень доступа и зафиксирует версию.
Другие способы установки
Доступ и проверки
Как мы проверяемШирокий доступИнструмент может менять данные, выполнять команды или работать с секретами.
- Скилл запускает безголовый браузер, ходит по чужим сайтам и сохраняет сессии с состоянием входа.
- Сбор данных может нарушать условия сайта или закон о персональных данных.
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
Скилл учит агента работать с командой `crwl` и библиотекой `crawl4ai`. Страницы рендерятся в безголовом браузере с ожиданием `networkidle`, а данные извлекаются двумя способами. Схема из CSS-селекторов выводится один раз через модель и дальше применяется без новых затрат, а извлечение через модель подходит для разовых задач без схемы. Дополнительно есть фильтры содержимого BM25 и по качеству, пакетный обход со своими лимитами параллельности, сессии для многошаговых сценариев с входом и поиск адресов. Пакет содержит `SKILL.md`, девять справочников, шесть вспомогательных скриптов, шаблоны YAML и четыре проверочных сценария. Проверен на версии Crawl4AI 0.8.9.
Для кого. Разработчикам и аналитикам данных, которые собирают структурированные данные с сайтов на JavaScript и хотят вывести схему один раз, а не тратить модель на каждую страницу.
Подходит, если
- Каталог товаров рисуется скриптами, и обычный запрос возвращает пустую страницу
- Схему селекторов выводят один раз и применяют к тысячам однотипных страниц
- Нужно очистить страницу до чистого Markdown и оставить только релевантные куски
- Сайт обходят по теме с ограничением числа одновременных заданий
- Сценарий проходит несколько шагов внутри одной сессии браузера
Не подходит, если
- Сайт запрещает автоматический сбор в условиях использования или в `robots.txt`
- Данные содержат персональную информацию, на обработку которой у вас нет оснований
- Страница отдает нужное обычным HTTP-запросом: безголовый браузер избыточен
Пример запроса к агенту
Открой каталог по этой ссылке, выведи схему CSS для карточек товара и сохрани все товары в JSON.Ограничения
Скилл вызывает библиотеку Crawl4AI, поэтому в среде агента нужны `pip install crawl4ai`, затем `crawl4ai-setup` и проверка `crawl4ai-doctor`: безголовый браузер скачивается отдельно. Справочник по SDK огромный, а команды и параметры привязаны к версии 0.8.9, на других версиях они могут отличаться. В папке есть руководство по обходу защиты от ботов, применять его стоит только к своим сайтам или там, где сбор разрешен. Сессии хранят состояние входа, поэтому не оставляйте их на общих машинах. Лицензия двойная, MIT или Apache-2.0.
Как отключить. Удалите папку `~/.claude/skills/crawl4ai`. Библиотеку и браузер удалите командой `pip uninstall crawl4ai`, кеш браузера очистите вручную.
Частые вопросы
Как установить скилл в Claude Code?
Склонируйте репозиторий в `~/.claude/skills/crawl4ai`: `git clone https://github.com/brettdavies/crawl4ai-skill.git ~/.claude/skills/crawl4ai`. Затем поставьте сам Crawl4AI.
Что нужно поставить кроме скилла?
Библиотеку Crawl4AI: `pip install crawl4ai`, затем `crawl4ai-setup` и `crawl4ai-doctor`, который проверит, что безголовый браузер доступен.
Чем схема отличается от извлечения через модель?
Схему из CSS-селекторов выводят один раз через модель и потом применяют без затрат. Извлечение через модель платит за каждый запрос и подходит, когда схему выводить не стоит.
С какими агентами работает?
С любыми, кто загружает пакеты формата SKILL.md: Claude Code, Codex, Cursor, OpenCode, Cline. Папку клонируют туда, где хост ищет скиллы.
Для какой версии Crawl4AI он проверен?
Для версии 0.8.9, она записана в файле `VERSION` репозитория.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
СкиллыПять скиллов для API XCrawl: скрапинг одной страницы, карта URL сайта, обход сайта целиком и поиск, с примерами cURL и Node
Краулер с открытым кодом превращает сайты в чистый Markdown для ИИ-агентов: ставится из PyPI, запускается в Docker и подключается к Claude Code по MCP
Набор из трех скиллов и четырех утилит: агент ищет в сети, читает страницы, берет субтитры видео и обрабатывает медиа
Каталог скиллов Firecrawl для Claude Code, Cursor и Codex: поиск, скрейпинг и обход сайтов, работа с формами и интеграция API
Пять скиллов, по которым агент встраивает поиск, скрапинг и действия на страницах Firecrawl в код вашего приложения
Официальные скиллы Brave: учат агента вызывать Search API для веба, новостей, картинок, видео, мест и выжимок страниц для LLM
Сравнение с похожими
Карточки с тем же главным запросом: чем они отличаются.
| Инструмент | Официальный | Авторизация | Звезды репозитория | Главное отличие |
|---|---|---|---|---|
| Crawl4AI Agent Skill (эта карточка) | нет | 50 | ||
| Crawl4AI | да | API-ключ | 87 271 | сама библиотека и ее запуск; это скилл с рецептами и скриптами поверх нее |
| Firecrawl CLI | нет | 684 | облачный сервис Firecrawl со скиллами; здесь локальная библиотека Crawl4AI |
Коротко о README
README перечисляет возможности, установку клонированием, требования к Crawl4AI, быстрый старт для CLI и SDK и состав пакета. Дальше идут ссылки на руководства, рецепты и проверочные сценарии.
Бейдж для README
Исходный SKILL.md
--- name: crawl4ai description: Use when scraping JavaScript-heavy pages or SPAs, crawling multiple URLs concurrently, extracting structured data with reusable CSS/JSON schemas, or building automated web data pipelines. Wraps the Crawl4AI library (`crwl` CLI and Python SDK) with schema-generation patterns for LLM-free extraction. Triggers on crawl4ai, crwl, scrape JS-heavy site, scrape SPA, headless browser scrape, schema-based extraction, batch crawl, sitemap crawl, web data pipeline. SKIP when a static HTML page can be read with `defuddle` / `fetch-web` — those are faster cold-start and don't need a browser. argument-hint: "[url]" --- # Crawl4AI **Verified against `crawl4ai`** [`VERSION`](VERSION). PEP 723 pins in `scripts/*.py` and `tests/*.py` floor at that version. ## Overview Crawl4AI wraps a headless browser (Playwright) plus a markdown-aware content pipeline. Use it when defuddle/curl can't reach the content — JavaScript-rendered pages, login-gated content, infinite scroll, multi-URL concurrency, repeatable schema-based extraction. This skill exposes both interfaces of the underlying library: - **CLI** (`crwl`) — quick, scriptable commands: [CLI Guide](references/cli-guide.md) - **Python SDK** — full programmatic control: [SDK Guide](references/sdk-guide.md) ## Invoked with a URL argument When the user runs `/crawl4ai <url>` with a single URL and no further qualifier, treat it as the JS-heavy fetch case and default to: ```bash crwl <url> -c "wait_until=networkidle,page_timeout=60000" -o markdown ``` `wait_until=networkidle` waits for the network to be quiet for ~500ms post-load — the right default when the user hasn't named a specific element on a JS-rendered page. (Avoid `wait_for=css:body`: `<body>` exists at t=0 on every HTML response, so it's satisfied before JS renders content.) Then return the markdown to the agent context. Adjust to `wait_for=css:<selector>` if the user named a specific element. Skip the default and route to the relevant section below for any task that names extraction, batch / multi-URL, login / session, screenshot / PDF, or URL discovery — those each have their own pipeline. If the URL is clearly static (a docs page, a blog post), route the user to `/fetch-web` instead per the "When NOT to use" section below. ## When NOT to use this skill - **Static HTML pages** (most documentation sites, blog posts, news articles, tweets) — use `/fetch-web` or `defuddle` directly. Static extraction is ~0ms cold start; crawl4ai pays a ~2s browser startup tax. - **Local file conversion** (`.pdf`, `.docx`, `.pptx`, `.epub`) — use `/markdown-convert`. - **One-URL agent-context reads** (the agent just needs to read this page) — use `/fetch-web` and let it route to