Saltar al contenido principal
Para sitios web con estructuras cambiantes o necesidades de extracción puntuales, Olostep ofrece extracción potenciada por LLM. Este enfoque:
  • Alimenta el contenido a un Modelo de Lenguaje Grande
  • Instruye al modelo para analizar y devolver solo los datos especificados
  • Devuelve una estructura JSON limpia que contiene exactamente lo que necesitas
  • Endpoint: POST https://api.olostep.com/v1/scrapes (auth: Authorization: Bearer <YOUR_API_KEY>)
  • Requerido: url_to_scrape, formats incluyendo "json", y llm_extract con un schema (JSON Schema, nivel superior un objeto) o un prompt (instrucción en lenguaje natural)
  • Devuelve: result.json_content (JSON en formato string — parsearlo)
  • Sincrónico o asincrónico: Sincrónico — el resultado está en la respuesta.
  • SDK / CLI: olostep extract <url> -i "<qué extraer>" (opcional --schema)
  • Usar en su lugar: los mismos sitios a escala → Parsers (más rápido y económico)
Puedes pasar el schema o un prompt al LLM.
El prompt es una cadena en lenguaje natural que se pasa al LLM para extraer los datos. El LLM decide cómo extraer los datos basado en el prompt. Puedes usar esto cuando no quieras usar un schema. Respuesta de Ejemplo:
json_content es el contenido JSON en formato string del evento. Puedes acceder a él como un objeto JSON parseando la cadena.