Crawl4AI 为 Bedrock 知识库准备网页内容

AWS Machine Learning Blog 发布教程，介绍如何用开源 Python 爬虫 Crawl4AI 为 Amazon Bedrock Knowledge Bases 准备网页内容：先抓取并处理网页，再把 Markdown 和元数据 sidecar 写入 Amazon S3，由知识库通过 S3 数据源摄取。 该方案面向需要额外处理的网页源，属于对已知站点的批量摄取，不是推理时的实时网页访问（如 Web Grounding with Amazon Nova）。工作流只处理公开页面，不实现需登录的会话；它不创建或修改知识库和数据源。每次运行按配置的任务规格产生 Fargate 费用，默认 2 vCPU、4 GB。 AWS 称，教程同时说明如何选择合适的网页摄取路径，并对需要额外处理的内容实施自定义准备。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。