适用人群

别再把同一份网站菜单粘贴给模型

在 109 个页面的正面对比中，Clean Web Clipper 留下 102 行重复的导航，另外三个提取引擎分别留下 282、478 和 491 行，而且完全没有残留的 HTML 标签。送到模型面前的，是文章正文，外加一段写明来源网址和发布日期的属性头。

粘贴一个网页，真正的代价

从浏览器里复制一页文档，粘贴进对话框，你发给模型的还有 Cookie 提示、侧栏、版本切换器、“本页目录”侧栏、四列页脚链接和一条“接下来阅读”推荐栏。每一行都是你要付费的 token，每一行都在和你真正想让模型读的那两段争夺注意力。

第二重代价更隐蔽：重复的导航看起来像结构。让模型总结这个页面，它会把菜单项列成主题；问它某个说法出自哪里，它会指向一个链接文字。粗糙的转换器留下的零散 div 和 table 标签，又给模型多加了一层要绕开的东西，然后才轮到正文句子。

真正开始花钱的是第二次粘贴。对话越来越长，历史被截断，你把页面再粘贴一次，可页面从早上到现在已经改过，模型现在推理的是一段略有不同的文字，对话里却没有任何记录说明这件事发生过。每次运行都去抓同一个网址的智能体也有同样的问题，还要加上频率限制和它过不去的登录。磁盘上的文件每次都是同样的输入，网站打不开时它依然可读。

模型收到的变成了什么

• 重复导航大约只有对比引擎平均值的四分之一：102 行重复，对比引擎分别是 282、478 和 491 行。
• 在测试的 512 个页面上，残留的 HTML 标签为零：模型没有任何需要绕开的标记。
• 属性头写明来源网址和发布日期，所以一个说法可以被准确归属，而不是靠猜。
• 一个快捷键就把页面复制成 Markdown，可以直接粘贴进任何对话。
• 图片可以完全去掉，冗长的图片地址就不会进入上下文。
• 没有文章的页面会如实说明。信息流或搜索结果页不会变成提示词里的三百个链接。
• 残句行更少：短于二十五个字符的行占比为 0.221，对比引擎分别为 0.278、0.262 和 0.263。短行大多是披着句子外形的链接文字。
• 参考链接变成集中在文末的 [^1] 脚注，正文里带编号的引用仍能对应到出处，而不是指向一个失效的锚点。

• 这些数字从哪里来：基准测试页面，附引擎版本和测试日期

---
title: "协程与任务"
source: "https://docs.python.org/zh-cn/3/library/asyncio-task.html"
extraction: "dom"
---

## 可等待对象

如果一个对象可以在 `await` 语句中使用，那么它就是 **可等待** 对象。许多 asyncio API 都被设计为接受可等待对象。

```python
async def main():
    await asyncio.sleep(1)
    print("hello")
```

为提示词做好设置

两套设置，大部分选项相同：一套用于粘贴进对话，一套用于给智能体准备一个读取用的文件夹。每套大约五分钟。

1. 右键点击图标，打开选项，把点击图标时设为“复制 Markdown”。这是最短的路径：点一下，切到对话窗口，粘贴。
2. 把图片设为跳过。一个 CDN 图片地址光是缩放参数就可能有两百个字符，对纯文本模型毫无意义。
3. 在属性部分保留 source 和 date，关闭 author 和 extraction。两行文件头就足够模型标注出处，其余字段都是你花钱发送的冗余。
4. 用 Alt+Shift+M 剪藏页面，然后粘贴。如果扩展程序提示“没有文章”，就别硬贴进去。这个提示说明页面主要是链接文字，而这正是会让模型把菜单项当成主题罗列的输入。
5. 如果是给智能体而不是对话用，把保存位置设为智能体本来就会读取的文件夹，比如项目里的 context/，文件名模板设为 {domain}-{title}。
6. 把任务真正依赖的六到八个页面剪藏进这个文件夹。智能体读的是本地文件：不抓取，不受频率限制，没有过不去的登录，每次运行读到的文字都一样。
7. 为最常剪藏的网站加一条按网站规则，比如把 reddit.com 送进单独的子文件夹并跳过图片，这样文件夹不用你费心也能保持分类整齐。

压缩上下文开销的设置

下面每一项，都去掉了模型要按量计费去读的一部分内容。属性那一行最容易设错：标注出处两行就够，不需要五行。

此页面上没有文章

提取出的文字中，超过四分之一在链接文字里，这正是信息流、
商品页或搜索结果页的样子。没有任何内容写入剪贴板。

  检查的区块      41
  选中的区块      <section class="cards">
  链接占比        0.71
  实际文本        740 个字符

三种用法

一个页面，一个问题

你在读一份规范，想让模型核对你对其中一节的理解。你选中那一节，按 Alt+Shift+M，然后粘贴。模型收到的是这一节、一行 source 和一行 date：没有 Cookie 提示，没有版本切换器，没有“本页目录”侧栏，也没有八列页脚。

差别体现在回答上，而不只是账单上。让模型总结一个粘贴进来的页面，如果导航也在里面，它会把菜单项列进主题，因为一个在每个章节里都重复出现的短语，看起来确实像结构。把导航去掉，错误也就从源头上去掉了。

智能体读文件夹，而不是自己去抓取

一个编程智能体需要某个 SDK 的 API 参考文档。你把八个页面剪藏进 context/，每个文件以域名和标题命名。智能体读取本地文件：不抓取，不限流，你登录后才能看到的页面和公开页面一样可读。

而且内容不会变。抓取来的页面在同一任务的两次运行之间可能已经改了，对话记录里却不会有任何提示。剪藏的文件只有在你重新剪藏时才会变，旧文件也还在，可以拿来 diff。

模型根本访问不到的页面

文档在需要单点登录的公司内网 Wiki 上，或者在你付费订阅的内容里。让模型去抓这个网址，它拿到的是登录页；给模型一个搜索工具，它拿到的是专门给爬虫看的版本。扩展程序读取的是浏览器已经为你当前会话渲染好的页面，所以你能看到的文字，就是你能粘贴的文字。

在这个过程中，页面文本不会离开你的电脑，剪藏内容本身也不会上传到任何地方。剪藏进入你的剪贴板，“发到 AI 对话”按钮只是复制并打开一个标签页，自己不传输任何东西。

和其他把网页交给模型的方式比一比

下面是人们把网页交给模型时实际在用的五种做法。每一行都写明得到什么、代价是什么，包括这个扩展程序自己。

回答出错时怎么办

为什么模型总结的是导航，不是文章？

信息流页面放进提示词，就会是这个结果。看看剪藏窗口的提示：如果显示“没有文章”，说明提取出的字符中有大约四分之一以上在链接文字里，这正是分类页、搜索结果页或商品页的特征。找到文章页本身，剪藏那一页。回答的改善会比怎么改提示词都明显。

为什么剪藏比页面看起来短得多？

常见原因有两个。一是页面在你滚动时才加载正文，剪藏那一刻只有已渲染的部分存在：先滚到底，再剪藏。二是某个章节在折叠面板或未打开的选项卡里，打开之前它不在 DOM 中。浏览器没有渲染出来的内容，任何扩展程序都读不到。

为什么没有可供模型引用的日期？

页面没有声明日期。这个字段宁可留空，也不填今天的日期，因为在模型的上下文里，一个言之凿凿的错误日期比缺失更糟：它会被当作事实复述给你。有些语料带日期的频率远低于其他语料，在土耳其和捷克的前五十名网站中，发布日期确实很少见，这是这些网站的特点，不是提取的问题。

为什么图片链接还在占用上下文？

图片默认保留为链接，这对阅读是对的，对提示词是错的。把图片设为“跳过”，可以全局设置，也可以设为按网站规则，Markdown 里就完全没有图片引用：没有占位符，没有空括号，什么都没有。

它不做什么

它不与任何 AI 服务通信。剪藏内容不会发往任何地方，只进入你的剪贴板或磁盘；“发到 AI 对话”按钮也只是复制内容并打开一个标签页。它不总结、不分块、不做向量嵌入，那是模型的工作，不是剪藏工具的工作。它一次只剪藏一个页面，也就是你正在看的那一页，没有爬虫。页面从未渲染出来的内容，它也拿不到。

常见问题