Para quem é

Pare de pagar quarenta vezes pelo mesmo menu

Quando você cola uma página web num modelo, cada linha de menu repetida, cada aviso de cookies e cada lista de “leia também” entra na conta como contexto e ainda disputa a atenção do modelo. Num corpus de 109 páginas o Clean Clipper deixou 102 linhas de navegação duplicadas, contra 282, 478 e 491 dos três outros motores medidos.

O ruído que você paga duas vezes

Você cola uma página de documentação no chat e a resposta ignora metade do que você perguntou. Não é burrice do modelo: das quatro mil palavras que você mandou, mil e duzentas são o menu lateral repetido em cada seção, o rodapé institucional e uma faixa de “leia também”. O modelo lê tudo aquilo, tenta achar sentido e dilui a atenção entre o que importa e o que é mobília.

Numa conversa longa isso se acumula. Cinco páginas coladas, cinco menus, cinco rodapés – e a janela de contexto acaba antes da terceira pergunta. Quando você usa API, o mesmo lixo aparece na fatura. E o pior é que não dá para limpar rápido: apagar menu à mão em texto colado leva mais tempo do que reler a página.

O que sobra ainda contamina a resposta. O modelo não sabe distinguir o corpo do artigo da mobília em volta dele, então a lista de “leia também” entra no resumo como se fosse conteúdo, e o aviso de direitos autorais no rodapé vira a data de publicação quando você pergunta de quando é o texto. Um cabeçalho com title, source e date separados resolve isso sem instrução nenhuma: o modelo recebe o metadado como metadado, em vez de precisar deduzir do meio do texto.

O que chega ao modelo

• Quatro vezes menos navegação duplicada que a média dos motores comparados
• Zero resto de tag HTML nas 512 páginas medidas – o modelo não precisa contornar marcação solta
• O frontmatter YAML entrega o endereço da fonte e a data de publicação de forma explícita, sem o modelo precisar deduzir
• Um atalho copia a página inteira em Markdown, pronta para colar em qualquer chat
• O botão de mandar para a IA copia e abre o chat no mesmo movimento
• Imagens em “ignorar” tiram os links de imagem, que em página de notícia chegam a ser um quinto do texto
• A fatia de texto curto e solto ficou em 0.220 nas 109 páginas medidas, contra 0.278, 0.262 e 0.263 dos motores comparados – menos fragmento sem contexto para o modelo interpretar
• A conversão acontece dentro do seu navegador, sem requisição de rede nenhuma: a página não passa por servidor de terceiro antes de você decidir o que vai para o modelo

---
title: "Aprendizado de máquina – Wikipédia, a enciclopédia livre"
source: "https://pt.wikipedia.org/wiki/Aprendizado_de_máquina"
date: "2005-08-16T20:19:04.000Z"
extraction: "dom"
---

Aprendizado de máquina é um subcampo da inteligência artificial dedicado ao
desenvolvimento de algoritmos e técnicas que permitem ao computador aprender a
partir de dados.

Deixar pronto para colar no chat

Aqui a configuração é quase o oposto da de quem arquiva: você quer o mínimo de caracteres com o máximo de procedência. Cinco minutos nas opções e o atalho passa a entregar exatamente isso.

1. Instale a extensão e abra as opções pelo botão direito no ícone. Elas abrem numa aba, e nada aqui exige conta ou cadastro.
2. Em o que o clique no ícone faz, escolha “copiar para a área de transferência”. Assim a captura não vira arquivo: ela vai direto para o Ctrl+V do chat.
3. Coloque imagens em ignorar. Link de imagem não diz nada ao modelo de texto e, em página de notícia, chega a ser um quinto dos caracteres que você está mandando.
4. No frontmatter, deixe title, source e date ligados e desligue o resto. São os três que impedem o modelo de deduzir a procedência do meio do texto, e nenhum deles custa mais que uma linha.
5. Confira uma captura no modo de leitura antes de confiar no atalho: ele mostra o que foi extraído sem os símbolos do Markdown, e é ali que você percebe se um bloco de navegação escapou.
6. Se você usa um chat específico todo dia, deixe o botão de mandar para a IA apontado para ele. O botão copia a captura e abre a aba; a colagem continua sendo sua, e é de propósito.

Ajustes para contexto de modelo

Estes valores partem de um objetivo só: entregar o texto do artigo e a procedência dele, sem nenhum caractere a mais na janela de contexto.

Não há artigo nesta página.

Mais de um quarto do texto extraído estava dentro de rótulo de link, que é a
cara de um feed, de uma vitrine ou de uma página de busca. Nada foi copiado
para a área de transferência.

  Blocos examinados    41
  Bloco escolhido      <section class="cards">
  Fatia de links       0.71
  Texto real           740 caracteres

Três conversas de verdade

Uma pergunta sobre documentação que você não quer que o modelo invente

Você precisa que o modelo compare o comportamento de dois parâmetros descritos numa página de documentação longa. Em vez de colar o endereço, aperta Alt+Shift+M e cola o Markdown. O modelo recebe título, endereço, data e o texto do artigo, com os blocos de código ainda marcados com a linguagem.

A diferença aparece na resposta: ela cita o nome exato do parâmetro como está no texto, e não uma variação plausível. Quando você pergunta de qual versão é aquilo, a resposta vem do campo source, que aponta para o endereço com a versão dentro, e não de um palpite.

Cinco fontes na mesma conversa, sem estourar a janela

A pauta exige comparar o que cinco órgãos publicaram sobre o mesmo tema. Cada página capturada chega sem menu, sem rodapé institucional e sem lista de “leia também”. Nas 109 páginas medidas sobraram 102 linhas de navegação repetida, contra 282, 478 e 491 dos outros motores.

Na prática é a diferença entre a quinta fonte caber ou não na conversa. E quando ela cabe, o modelo consegue relacionar as cinco, em vez de responder sobre as duas últimas porque as três primeiras já saíram da janela.

O material que não estava na web aberta

O documento está atrás do login de um sistema interno. Modelo nenhum alcança aquilo, e mandar o endereço não adianta. Você abre a página como já abriria, captura e cola: a extensão lê o que o seu navegador renderizou para a sua sessão.

Vale saber exatamente o que isso significa em termos de privacidade. A extensão não faz requisição de rede alguma; quem envia o texto para o serviço de IA é você, no momento em que cola. O que sai da sua máquina é o que você colou, e nada além disso.

Comparado com os jeitos usuais

Todos estes caminhos levam uma página web até um modelo, e cada um deles é usado todo dia. A terceira coluna é o custo real, o desta extensão junto.

Quando o contexto sai errado

Por que ele avisou que não há artigo?

Porque a página é feita de rótulo de link. Quando mais ou menos um quarto dos caracteres extraídos está dentro de link – capa de portal, vitrine, resultado de busca, índice de categoria –, a extensão recusa em vez de devolver uma lista. Abra a matéria em si e capture dela; a capa nunca teve o texto que você queria mandar ao modelo.

Por que o modelo diz que o texto está incompleto?

Provavelmente ele está mesmo, e por dois motivos diferentes. Ou a página guarda parte do conteúdo em abas e sanfonas que só entram no DOM quando você clica – nesse caso expanda e capture de novo –, ou o texto é longo demais para a janela do modelo. A extensão não corta e não conta token de propósito: cortar em silêncio seria decidir por você qual metade importa.

Por que a data que o modelo citou não bate?

Olhe o campo date da captura. Quando ele está vazio é porque a página não publicou data nos metadados, e a extensão prefere deixar em branco a colocar o dia de hoje; sem esse campo, o modelo tenta deduzir a data do texto e costuma pegar o ano do rodapé. Quando o campo está preenchido e a resposta diverge, o modelo ignorou o cabeçalho – vale perguntar de novo apontando para o campo.

Cliquei no botão de mandar para a IA e nada apareceu no chat. Por quê?

Porque ele copia a captura e abre a aba do serviço, e a colagem é sua. Isso é de propósito: enviar sozinho significaria a extensão fazer requisição de rede, e ela não faz nenhuma. Se a área de transferência veio vazia, a página provavelmente foi recusada por não ter artigo – a janela de captura diz isso na hora.

O que ele não faz

Ele não resume e não reescreve: entrega o texto do artigo convertido, e quem interpreta é o seu modelo. Não conta tokens nem corta o texto para caber numa janela de contexto. Não manda nada para serviço de IA por conta própria – a extensão não faz requisição de rede, e o botão de chat só copia e abre a aba. E em loja, feed ou busca não existe artigo: nesses casos ele avisa “não há artigo” em vez de te entregar trezentos links para colar.

Perguntas