Skip to content

docs: investigacion de herramientas web scraping para agentes#30

Open
SirMinionBot wants to merge 1 commit into
mainfrom
docs/investigacion-tools-web-scraping
Open

docs: investigacion de herramientas web scraping para agentes#30
SirMinionBot wants to merge 1 commit into
mainfrom
docs/investigacion-tools-web-scraping

Conversation

@SirMinionBot

Copy link
Copy Markdown
Collaborator

📋 3 artículos tipo investigacion (pendiente-revision)

Artículos generados a partir de exploración real de repositorios, con código probado y limitaciones documentadas. Ninguna métrica inventada.

Artículos incluidos

# Artículo Palabras Repo explorado
1 Browser-use: cuando tu agente necesita navegar la web como un humano 2,540 browser-use/browser-use (100K ⭐)
2 El stack de scraping para agentes de IA: Firecrawl vs Crawl4AI vs MarkItDown 2,563 firecrawl + crawl4ai + markitdown
3 De PDF corporativo a knowledge graph: markitdown + GraphRAG en 3 pasos 2,038 microsoft/markitdown + paper arXiv 2404.16130

Nuevo metadata en frontmatter

tipo: investigacion
estado: pendiente-revision
  • tipo: investigacion — distingue estos artículos de los ensayos regulares. Son exploraciones técnicas con resultados reales.
  • estado: pendiente-revision — necesitan revisión humana antes de publicar. Los agentes documentaron honestamente lo que sí y no se pudo probar.

🧪 Tests reales ejecutados

  • markitdown: convirtió paper GraphRAG de arXiv (97KB PDF → markdown, 1,348 líneas)
  • ⚠️ browser-use: instalado, imports verificados, no ejecutable sin API key
  • ⚠️ crawl4ai: instalado, bloqueado por dependencias de red
  • ⚠️ firecrawl: requiere API key o Docker

Fuente

Hilo de @aiwithkhush (89K views): "10 GitHub repos that scrape the entire internet for you"

Añade 3 artículos tipo investigacion (estado: pendiente-revision):
- browser-use: agente IA que pilota navegador real (100K estrellas)
- stack scraping: comparativa Firecrawl vs Crawl4AI vs MarkItDown
- PDF a knowledge graph: markitdown + GraphRAG en 3 pasos

Basados en exploracion real de repos con resultados documentados.
Metadatos: tipo=investigacion, estado=pendiente-revision
Sign up for free to join this conversation on GitHub. Already have an account? Sign in to comment

Projects

None yet

Development

Successfully merging this pull request may close these issues.

2 participants