Clean Clipper Lägg till i Chrome – gratis

För vem

Sluta betala för samma meny fyrtio gånger

En webbsida du klistrar in i en modell består till en dryg del av navigering, och varje dubblerad menyrad räknas som kontext. På ett korpus om 109 sidor lämnade Clean Clipper 102 dubblerade navigeringsrader, där tre andra motorer lämnade 282, 478 och 491. Kvar blir texten, med källadressen och datumet i frontmatter.

Varför en inklistrad sida fungerar dåligt

Kopierar du en artikel ur webbläsaren klistrar du in kakbannern, logoraden, en sidomeny som återkommer i varje avsnitt och ett ”Läs också”-block på köpet. Det är inte brus som modellen bara hoppar över: det är kontext du betalar för och som konkurrerar om uppmärksamheten. På långa sidor trycker du på det viset ut din egen fråga mot kanten av fönstret.

Alternativen är inte bättre. Att ge modellen adressen fungerar ofta inte, eftersom den inte når sidan eller får den version som serveras en robot. Och att klistra in rå HTML gör saken värre: då tillkommer attribut och lösa taggar som modellen måste läsa sig förbi innan den kommer fram till frågan.

Det tredje problemet märks först i svaret. En modell som fått både artikeln och sidans ”Mest lästa”-lista har inget sätt att veta vilken av rubrikerna som var texten du frågade om, och ingenting i inklistringen säger när sidan skrevs eller var den stod. Svar som blandar in en puffrubrik eller daterar en uppgift fel är sällan modellens fel – de är följden av att sammanhanget aldrig lämnades över. Ett frontmatter med source och published överst i texten är den billigaste möjliga rättelsen.

Vad som ändras i det du matar in

Det modellen får: ingen meny, ingen banner, ingen ”Läs också”imy.se/privatperson/dataskydd/dina-rattigheter
---
title: "Dina rättigheter enligt dataskyddsförordningen"
source: "https://www.imy.se/privatperson/dataskydd/dina-rattigheter/"
date: "2023-09-05T00:00:00.000Z"
extraction: "dom"
---

Du har rätt att få veta om en organisation behandlar personuppgifter om dig,
och i så fall vilka uppgifter det handlar om och varför de behandlas.

## När du kan begära rättelse

Ställa in det för inklistring

Målet är att en tangenttryckning ska lämna färdig text i urklipp, utan mellansteg. Fyra inställningar räcker, och den femte behövs bara om du regelbundet matar långa sidor.

  1. Öppna Inställningar och ställ Klick på ikonen på *Kopiera Markdown*. Då hamnar texten i urklipp direkt, utan att något fönster tar över skärmen mitt i läsningen.
  2. Låt *Om något är markerat, spara bara markeringen* stå kvar påslagen. Är det ett enda stycke du vill fråga om markerar du det och slipper skicka hela sidan; ligger ingen markering tas hela artikeln som vanligt.
  3. Under Vad som hamnar i anteckningen ställer du Bilder på *hoppa över*. En bildlänk säger modellen ingenting men kostar plats, och en artikel med tjugo illustrationer kan bära tjugo sådana rader.
  4. Behåll title, source och published i frontmatter. De tre raderna är vad som gör att modellen kan hänvisa till var uppgiften kom ifrån och när, i stället för att svara utan ursprung.
  5. Slå på knappen Till AI-chatt under Knappar i fönstret om du använder samma chatt varje dag. Den kopierar texten och öppnar fliken i samma rörelse; själva inklistringen gör du, och ingenting skickas av tillägget.
  6. Kontrollera Alt+Shift+Mchrome://extensions/shortcuts. Med kortkommandot bundet blir hela vägen från artikel till fråga två tangenttryckningar.

Värden som sparar kontext

Uppsättningen är gjord för det vanliga fallet: en lång artikel som ska in i en chatt utan att texten runt omkring följer med. Den som klipper korta sidor kan låta bilderna vara kvar.

InställningVärdeVarför just så
Klick på ikonenKopiera MarkdownTexten ligger i urklipp direkt; inget fönster mellan artikeln och frågan
Bilderhoppa överEn bildlänk bär ingen betydelse för modellen men tar plats i fönstret
Klipp bort navigeringDet är den inställning som tar menyer, sidnumrering och ”Läs också”-block
Frontmatter`title`, `source`, `published`Modellen får ursprung och tidpunkt uttryckligen i stället för att gissa dem
Fotnoter sistReferenserna hamnar samlade i slutet och bryter inte upp brödtexten mitt i ett resonemang
Knappar i fönstret`Kopiera` och `Till AI-chatt` på, resten avEtt fönster med två knappar går fortare att träffa än ett med sex
Kortkommando`Alt+Shift+M`Två tangenttryckningar från artikel till färdig fråga
Svårare fall: sidan renderade aldrig sin brödtext i DOM, så texten lästes ur strukturerade data – vilket `extraction` antecknar i stället för att döljariksdagen.se/sv/dokument-och-lagar/dokument/proposition
---
title: "Ändrade regler om utlämnande av allmänna handlingar"
source: "https://www.riksdagen.se/sv/dokument-och-lagar/dokument/proposition/"
published: "2024-04-18T00:00:00.000Z"
extraction: "jsonld-articlebody"
---

Regeringen föreslår att en begäran om att ta del av en allmän handling ska
prövas skyndsamt och att beslutet ska motiveras skriftligt när begäran avslås.

Förslaget innebär att myndigheten ska ange vilken bestämmelse som ligger till
grund för avslaget och hur beslutet överklagas.

Tre sätt att mata in

Fråga om en lång utredning utan att skicka menyn

En myndighetsrapport ligger som en sida på trettio skärmar, med en innehållsförteckning som återkommer i varje avsnitt och en fotrad med tolv länkar. Du trycker Alt+Shift+M och klistrar in i chatten; frågan skriver du under.

Det som hamnade där var brödtexten med rubriknivåerna kvar, plus source och published överst. Modellen kan därför säga vilket avsnitt ett svar kommer ur, och du kan kontrollera det mot den ursprungliga adressen utan att leta upp sidan på nytt.

Ett enda stycke i stället för hela sidan

Du behöver bara veta vad en enskild paragraf betyder i praktiken. Du markerar den på sidan och trycker på kortkommandot; eftersom *Om något är markerat, spara bara markeringen* är påslagen går bara markeringen till urklipp.

Fotnotssiffror som pekar på definitioner utanför markeringen tas bort i stället för att bli döda ankare – en [^3] utan definition i samma text är en referens modellen inte kan lösa upp och som därför bara förvirrar.

Bygga ett litet eget underlag att söka i

Inför ett beslut samlar du åtta sidor: två föreskrifter, tre leverantörsdokumentationer och tre artiklar. Var och en klipps till samma mapp, som .md med frontmatter, med en regel per webbplats som håller isär myndighetstext och leverantörstext.

Eftersom filerna är ren text med source och published i huvudet går de att läsa in i vilket eget index som helst. Det finns ingen satsvis bearbetning och ingen crawler i tillägget – du klipper sida för sida, och det är också vad som gör att du vet exakt vad som ligger i underlaget.

Mot andra sätt att ge modellen en sida

Alla fungerar ibland. Skillnaden ligger i hur mycket som följer med på köpet och hur ofta metoden tyst ger modellen något annat än det du läste.

Så görs det i dagVad modellen fårVad det kostar
Klistra in adressenKanske sidan, kanske ingentingMånga modeller når inte sidan, och de som gör det får ofta den version som serveras en robot
Markera allt och kopiera ur webbläsarenTexten, plus meny, kakbanner och puffarBruset konkurrerar om uppmärksamheten och tränger ut din egen fråga
Klistra in rå HTMLAllt, inklusive attribut och taggarUppmärkningen måste läsas förbi innan modellen kommer fram till innehållet
Skärmbild av sidanEn bild som måste tolkasTabeller och kod läses av på gissning, och texten går inte att söka i efteråt
Ett annat clipper-tilläggMarkdown, med mindre bortklipptMätt över 109 sidor: 282, 478 och 491 dubblerade menyrader mot 102 här
Clean ClipperBrödtexten med `source` och `published` överstEn sida i taget; ingen sammanfattning, ingen nedkortning efter tokenbudget

När inmatningen inte blir ren

Varför följer en meny ändå med mitt in i texten?

För att den inte är tillräckligt lång för att kännas igen. En löpa räknas som meny först vid tre rader i följd som nästan bara innehåller länkar; två länkrader mitt i en artikel är oftare innehåll än navigering, och att klippa dem skulle kosta mer än det ger. Står raderna kvar och stör kan du ta bort dem i förhandsvisningen innan du kopierar.

Varför är texten kortare än sidan?

Antingen för att sidan visar en del av sitt innehåll först efter ett klick – en flik, ett dragspel, en ”visa mer”-knapp – och det som inte är renderat finns inte i DOM. Eller för att texten hämtades ur sidans strukturerade data, vilket extraction: "jsonld-articlebody" i så fall säger; den kopian är ibland ett tidigare utkast. Fäll ut avsnittet och klipp om, så syns skillnaden direkt.

Skickar tillägget något till en AI-tjänst?

Nej. Tillägget gör inga nätverksförfrågningar alls – det är ett Manifest V3-tillägg utan host-behörigheter, och det kan bara läsa den flik där du tryckte på kortkommandot. Knappen *Till AI-chatt* kopierar texten till urklipp och öppnar en flik; inklistringen gör du själv, och därmed ser du också exakt vad som skickas.

Varför säger fönstret ”ingen artikel på den här sidan”?

För att sidan till största delen består av länketiketter: ett flöde, en sökträfflista, en startsida eller en butik. Tillägget vägrar sådana med avsikt i stället för att lämna över trehundra länkar som skulle ätas upp som kontext utan att bära någon text. Behöver du ändå något därifrån markerar du den del som är brödtext och sparar markeringen.

Vad det inte gör

Tillägget talar inte självt med någon AI-tjänst: det gör inga nätverksförfrågningar alls. Knappen till en chatt kopierar texten och öppnar en flik, inget mer. Det sammanfattar heller ingenting och kortar inte ned efter tokenbudget – du får hela texten, bara utan inredningen. Och på en butik, ett flöde eller ett sökresultat finns ingen artikel att hitta; då säger tillägget det i stället för att räcka över trehundra länkar.

Lägg till i Chrome – gratisHelt gratis. Inget konto, ingen registrering, inga gränser.

Frågor

Varför inte bara klistra in adressen och låta modellen hämta sidan?
Många modeller når inte sidan alls, och de som gör det får ofta den version som serveras en robot. En sparad kopia fångar exakt det som fanns på din skärm, även bakom en inloggning du redan använde.
Skickar tillägget något till en AI-tjänst?
Nej. Tillägget gör inga nätverksförfrågningar alls. Trycker du på knappen till chatten går texten till urklipp och en flik öppnas; inklistringen gör du själv.
Kan jag skala bort bilder för att spara kontext?
Ja. Ställ bilder på ”hoppa över” så innehåller Markdown-texten inga bildlänkar alls.
Sparar det verkligen tokens?
Det beror på sidan. Det som är mätt är bruset: 102 dubblerade menyrader över 109 sidor mot 282, 478 och 491 för de andra motorerna, och noll kvarlämnade HTML-taggar.
Fungerar det för RAG eller ett eget index?
Ja, eftersom utdatan är vanlig Markdown med källadress och datum i frontmatter. Det finns ingen satsvis bearbetning och ingen crawler: du sparar sida för sida.
Kortar det ned texten till en tokenbudget?
Nej. Du får hela artikeltexten, bara utan inredningen. Tillägget sammanfattar ingenting, förkortar ingenting och räknar inga tokens – vill du korta ned är det ett redigeringsbeslut, och det fattar du hellre själv än att upptäcka i efterhand att ett stycke saknades.
Vad händer med kod jag klistrar in i en chatt?
Kodblocken kommer ut med sin språkmärkning kvar, läst ur klassen webbplatsens egen färgläggare lämnat. Det är märkbart i svaret: en modell som ser ```sql runt ett block behöver inte gissa dialekt utifrån innehållet.
Fungerar det på sidor bakom inloggning?
Ja. Tillägget läser den sida din webbläsare redan renderat för din session, så en intern wiki eller en artikel bakom en prenumeration du har klipps precis som en publik sida. Det loggar aldrig in någonstans och hämtar aldrig sidan på nytt.
Hur får jag med bara en del av en lång sida?
Markera den delen innan du trycker. Med *Om något är markerat, spara bara markeringen* påslagen går bara markeringen till urklipp, och fotnotssiffror vars definitioner ligger utanför markeringen tas bort i stället för att bli referenser modellen inte kan lösa upp.
Vad betyder `extraction` i frontmatter?
Vilken väg texten kom. dom betyder att den lästes ur det webbläsaren faktiskt renderat; jsonld-articlebody betyder att sidan bar sin brödtext bara i strukturerade data. Skillnaden är värd att känna till, eftersom kopian i strukturerade data ibland är ett tidigare utkast än det som står på skärmen.