適用對象

別再把同一份選單貼給模型

在一份 109 頁的語料上（逐頁比較那一輪），Clean Web Clipper 留下 102 行重複的導覽，另外三個擷取引擎分別留下 282、478 和 491 行，而且完全沒有殘留的 HTML 標籤。送到模型的是文章本身，加上一個註明來源網址和發布日期的 frontmatter 檔頭。

貼上一個頁面的真正成本

把一頁文件從瀏覽器複製到聊天中，你送給模型的是 Cookie 通知、側欄、版本選擇器、「本頁內容」側欄、四欄頁尾連結，以及一條「延伸閱讀」。每一行都是你要付費的 token，每一行也都在和你真正想讓模型讀的那兩段文字搶注意力。

第二個成本比較隱微：重複的導覽看起來像結構。請模型摘要頁面，它會把選單項目列成主題；問它某個說法出自哪裡，它會指向一個連結文字。粗糙的轉換器留下的零散 div 和 table 標記，又多了一層模型得繞過才能讀到句子的東西。

第二次貼上時，成本開始累積。對話變長，歷史被截斷，你再貼一次頁面；只是頁面從早上到現在已經改了，模型現在是在推理稍微不同的文字，而對話中沒有任何東西記錄這件事。每次執行都抓取同一個網址的代理，也有同樣的問題，外加速率限制和一個它通過不了的登入。磁碟上的檔案每次都是相同的輸入，網站連不上時也仍然讀得到。

模型改為收到什麼

• 重複的導覽大約少了四倍，相較於比較引擎的平均：102 行重複，對比 282、478 和 491 行。
• 在 512 個測試頁面上沒有任何殘留的 HTML 標籤：模型不需要繞過任何東西。
• frontmatter 註明來源網址和發布日期，所以說法可以歸因，而不是被猜測。
• 一個鍵盤快速鍵就能把頁面複製成 Markdown，可以直接貼進任何聊天。
• 圖片可以完全略過，長長的圖片網址就不會進入上下文。
• 沒有文章的頁面會被如實回報。資訊流或搜尋結果不會變成提示中的三百個連結。
• 更少的殘段行：少於二十五個字元的行所占比例為 0.221，比較的引擎分別是 0.278、0.262 和 0.263。短行大多是偽裝成句子的連結文字。
• 參考連結變成集中在結尾的 [^1] 註腳，所以內文中編號的引用仍然對應到來源，而不是斷在失效的錨點上。

• 這些數字從哪裡來：實測數據頁面，附引擎版本與日期

---
title: "Coroutines and Tasks"
source: "https://docs.python.org/3/library/asyncio-task.html"
extraction: "dom"
---

## Awaitables

We say that an object is an *awaitable* object if it can be used in an
`await` expression. There are three main types: coroutines, Tasks and Futures.

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

為提示設定擷取

兩種不同的設定，大部分選項相同：一種是貼進聊天，一種是填滿代理讀取的資料夾。兩者都大約需要五分鐘。

1. 在圖示上按右鍵，開啟選項，把按下圖示時的動作設為「複製到剪貼簿」。這是最短的路徑：按一下，切換到聊天，貼上。
2. 把圖片設為略過。一個 CDN 圖片網址可能就有兩百個字元的縮放參數，對文字模型而言毫無意義。
3. 在 frontmatter 區段保留 source 和 date，關閉 author 和 extraction。兩行檔頭就足以讓模型歸因說法；其餘都是你付費傳送的檔頭。
4. 用 Alt+Shift+M 擷取頁面並貼上。如果擴充功能回應「沒有文章」，就不要硬貼。這個回應代表頁面大多是連結文字，而這正是會讓模型把選單項目列成主題的輸入。
5. 如果是給代理而不是聊天，把存放位置設為代理已經在讀的資料夾，例如專案中的 context/，並把檔名範本設為 {domain}-{title}。
6. 把任務真正依賴的六到八個頁面擷取到那個資料夾。代理接著讀取本機檔案：不需抓取、沒有速率限制、沒有它通過不了的登入，每次執行都是相同的文字。
7. 為你最常擷取的網站新增個別網站規則，例如把 reddit.com 放進專屬子資料夾並略過圖片，資料夾不用你費心就能保持有序。

降低上下文費用的設定

這裡的每一項，都能移除模型要收費讀取的東西。frontmatter 那一列最常被設錯：歸因值兩行，不值五行。

此網頁沒有文章。

擷取出的文字有超過四分之一位於連結文字中，
這正是資訊流、商店首頁或搜尋結果的樣子。
沒有任何內容寫入剪貼簿。

  檢查的區塊      41
  選中的區塊      <section class="cards">
  連結比例        0.71
  實際文字        740 個字元

三種使用方式

一個頁面，一個問題

你在讀一份規格，想請模型確認你對其中一節的理解。你選取那一節，按 Alt+Shift+M，貼上。送達的是那一節、一行 source 和一行 date：沒有 Cookie 通知、沒有版本選擇器、沒有「本頁內容」側欄，也沒有八欄頁尾。

差別顯現在答案上，而不是帳單上。請模型摘要貼上的頁面時，拿到導覽的模型會把選單項目列進主題，因為每個段落都重複出現的詞組看起來確實像結構。把它移除，就從源頭移除了這個錯誤。

代理讀取資料夾，而不是去抓取

一個寫程式的代理需要某個 SDK 的 API 參考文件。你把八個頁面擷取到 context/，每個都以網域和標題命名。代理讀取本機檔案：不抓取任何東西、不受速率限制，你登入後才看得到的頁面也和公開頁面一樣讀得到。

它也保持不變。抓取的頁面可能在同一個任務的兩次執行之間改變，而紀錄中不會有任何東西說明這件事。擷取的檔案只有在你重新擷取時才會改變，舊檔案也仍在那裡可以比對差異。

模型根本到不了的頁面

文件位於需要單一登入的內部 wiki，或在你付費訂閱的內容裡。請模型抓取那個網址，得到的是登入畫面；給模型搜尋工具，得到的是提供給機器人的版本。擴充功能讀取的是瀏覽器已經為你的工作階段呈現的頁面，所以你看得到的文字，就是你能貼上的文字。

途中頁面文字絕不會離開你的電腦，擷取內容本身也不會上傳到任何地方。擷取內容進入你的剪貼簿，「傳到 AI 聊天」按鈕是複製並開啟分頁，而不是自己傳送任何東西。

和其他把頁面餵給模型的方法相比

以下是大家實際用來把網頁放到模型面前的五種途徑。下表每一欄是你得到什麼、代價是什麼，包括這個擴充功能在內。

答案回來不對的時候

模型摘要的是導覽，不是文章

這正是資訊流頁面對提示造成的影響。看看擷取視窗說了什麼：如果它回報「沒有文章」，代表擷取出的字元有超過約四分之一位於連結文字中，這是分類頁、搜尋結果或商店首頁的特徵。找到文章頁面本身，擷取那一頁。答案的改變會比任何提示措辭調整都大。

擷取內容比頁面看起來短得多

有兩個常見原因。一是頁面在你捲動時才載入內文，擷取那一刻只有已呈現的部分存在：先捲到底，再擷取。二是某個段落在收合的摺疊區塊或還沒打開的分頁標籤裡，打開之前並不在 DOM 中。瀏覽器沒有呈現的東西，任何擴充功能都讀不到。

沒有日期可供模型引用

頁面沒有宣告日期。欄位會留空，而不是填上今天的日期，因為在模型的上下文中，信心滿滿的錯誤日期比沒有日期更糟。它會被當成事實引用回來給你。有些語料帶日期的頻率遠低於其他語料：在土耳其和捷克的前五十大清單中，發布日期確實很少見，這是那些網站的特性，不是擷取的問題。

圖片連結還在吃掉上下文

圖片預設保留為連結，這對閱讀是對的，對提示卻是錯的。把圖片設為「略過」，可以全域設定或作為個別網站規則，Markdown 中就不會有任何圖片參照：沒有預留位置、沒有空括號，什麼都沒有。

它不做的事

它不會和任何 AI 服務通訊。擷取內容不會送到任何地方：它進入你的剪貼簿或磁碟，「傳到 AI 聊天」按鈕只是複製並開啟一個分頁。它不會摘要、切塊或嵌入文字。那是你的模型的工作，不是擷取工具的。它一次擷取一頁，就是你正在看的那一頁，沒有爬蟲。它也無法擷取頁面從未呈現的內容。

常見問題