分享几个让 AI 冲浪自由的开源仓库

原创

B 哥
B 哥

我就BB怎么了

2026年6月30日 19:16
上海

在小说阅读器读本章

去阅读

前段时间，我做了个用 AI 搭知识库的教程，不少人反馈的问题都是怎么让 AI 获取源信息，比如 X 推文，YouTobe 字幕、小红书图文、公众号原文……

我自己这段时间下来，试了不少方案，也用过不少开源库，这里推荐几个。

1. OpenCLI — jackwener/opencli

https://github.com/jackwener/opencli

25.3k star

OpenCLI 把 100+ 站点封装成 CLI 命令，通过 Chrome 扩展来接管你日常浏览器，这个开源库的核心价值是复用你的登录态，也就是说小红书、X、抖音这些登录后才看得到的内容，它都能直接拿，所以是抓登录后内容的首选，目前我也有用到这个。

但是也要强调一点，X 的审核机制是非常严的，你用 OpenCLI 频繁去抓取 X 的内容，大概率也会有封号的风险。

2. Web-Access — eze-is/web-access

https://github.com/eze-is/web-access

7.9k star

独立开发者一泽写的 Skill，给 AI 一套上网方法论加五通道工具集（搜索 / fetch / curl / Jina / CDP），让模型自己判断走哪条路，跑完还会按域名沉淀站点经验，下次遇到同站直接调用。这个库我自己没怎么用，但对新手还是比较友好的。

3. firecrawl — firecrawl/firecrawl

https://github.com/firecrawl/firecrawl

141.7k star

Mendable AI 团队开源的「爬虫即服务」——指定 URL 它自动渲染 JS、抓全站、返回 AI 直接能消化的 markdown，不少 AI 创业公司的内容索引底层都跑着它。

4. crawl4ai — unclecode/crawl4ai

https://github.com/unclecode/crawl4ai 70.4k star

unclecode 一个人写的 self-host 版 firecrawl 平替，单机跑、不用付费、不要 API key，输出对 AI 友好的 markdown 。

5. browser-use — browser-use/browser-use

https://github.com/browser-use/browser-use

101.5k star

两位 ETH 研究员搞的项目，一年从 0 到 10 万 star，应该可以说是最近两年开源世界比较火的项目之一。这个开源库项目核心就是给 AI Agent 一套像人一样用浏览器的 API，比如打开网页、看屏幕、点按钮、填信息、提取信息，等等，特别适合云端无人值守跑长流程，比如部署一个机器人每天自动抓更新、自动填表那种场景。

6. markitdown — microsoft/markitdown

https://github.com/microsoft/markitdown

161.4k star

这个是微软出品，核心功能就是把任何文件转 markdown，PDF / Word / Excel / PPT / HTML / 图片 / 音频，都可以直接转写，输出干净到 LLM 直接能消化 markdown 文档。不过这个不算得上是获取信息的项目，但它是预处理器 ，我们获取信息后，总该要喂给 AI 大模型的，所以这个项目也是标配。

总的来说，你想获取社交平台需要你登录后的内容，可以先用 OpenCLI  ；想喂 PDF / Word / 截图给 AI 那就装 markitdown；想抓陌生公开网站 ，firecrawl 和 crawl4ai 二选一。这几个开源库组合起来，基本就能覆盖 80% 的场景了。