メニュー
このプロンプトをコピーして、使用中の AI アシスタントに送ってください。
Follow https://skillsmp.com/skill-install/prompt.md to install Agent Skills from https://github.com/takemo101/taskp-link-crawler.
リポジトリの README を読み込んでいます…
収集済み skill 1 件中 1 件を表示しています。
技術ドキュメントサイトをクロールし、AIが参照しやすい形に整理する
README の元ファイル：README.md
# taskp-link-crawler 技術ドキュメントサイトをクロールし、AIコンテキスト用のMarkdownとして保存するCLIツール & [taskp](https://github.com/takemo101/taskp) スキル。 ## インストール ### crawl コマンドのインストール Bun でグローバルインストールします。 ```bash bun add -g github:takemo101/taskp-link-crawler ``` インストール後、`crawl` コマンドが使えるようになります。 ```bash crawl --version crawl --help ``` ### 前提条件 - **Bun >= 1.2.0**（必須） - **playwright-cli**（cli fetcher 用）: `npm install -g @playwright/cli` - **playwright**（native fetcher 用）: `bun add -g playwright` + `npx playwright install chromium` - **markitdown**（推奨）: `pip3 install markitdown` で高品質な HTML→Markdown 変換。なくても Turndown にフォールバック ### taskp スキルとして使う場合 [taskp](https://github.com/takemo101/taskp) がインストール済みの環境で、スキルディレクトリをシンボリックリンクします。 ```bash # リポジトリをクローン git clone https://github.com/takemo101/taskp-link-crawler.git cd taskp-link-crawler # .agents/skills/link-crawler/ を taskp のスキルディレクトリにリンク ln -sf "$(pwd)/.agents/skills/link-crawler" ~/.taskp/skills/link-crawler ``` 登録後は taskp から実行できます。 ```bash # インタラクティブ実行 taskp run link-crawler # ワンライナー taskp run link-crawler \ --set url=https://nextjs.org/docs \ --set depth=2 \ --set output=.context/nextjs # TUI から選択 taskp tui ``` ## 使い方 ### 基本 ```bash crawl https://example.com/docs -d 2 -o .context/example ``` ### オプション一覧 | オプション | 説明 | デフォルト | |-----------|------|-----------| | `-d, --depth <num>` | 最大クロール深度 | `1` | | `--max-pages <num>` | 最大ページ数（0=無制限） | `0` | | `-o, --output <dir>` | 出力ディレクトリ | `.context/<site-name>/` | | `--same-domain` / `--no-same-domain` | 同一ドメインのみ | `true` | | `--include <pattern>` | 含めるURLパターン（正規表現） | - | | `--exclude <pattern>` | 除外するURLパターン（正規表現） | - | | `--delay <ms>` | リクエスト間隔 | `500` | | `--timeout <sec>` | リクエストタイムアウト | `30` | | `--wait <ms>` | SPA レンダリング待機時間 | `2000` | | `--fetcher <type>` | `cli`（軽量）または `native`（Cloudflare対応） | `cli` | | `--diff` | 差分クロール（変更ページのみ更新） | `false` | | `--headed` | ブラウザウィンドウを表示 | `false` | | `--no-pages` | 個別ページファイルをスキップ | - | | `--no-merge` | 結合ファイル（full.md）をスキップ | - | | `--chunks` | チャンク分割を有効化 | `false` | | `--no-robots` | robots.txt を無視 | - | ### Fetcher の選び方 | Fetcher | 用途 | 特徴 | |---------|------|------| | `cli`（デフォルト） | 一般的なサイト | 軽量・高速。playwright-cli を使用 | | `native` | Cloudflare / SPA 保護サイト | Bot検出回避（UA偽装, webdriver隠蔽）。要 playwright + Chromium | ### 使用例 ```bash # 基本的なドキュメントクロール crawl https://docs.example.com -d 3 -o .context/example # Cloudflare 保護サイト（Notion 等） crawl https://example.notion.site/docs \ -d 2 --fetcher native --wait 8000 --timeout 60 # 差分クロール（2回目以降を高速化） crawl https://docs.example.com -d 3 --diff # 特定パスのみクロール crawl https://example.com/docs \ -d 5 --include "/docs/api/" ``` ## Markdown 変換方式 - デフォルト: **MarkItDown**（Microsoft製、高品質） - フォールバック: **Turndown**（軽量、コードブロック特化） MarkItDown は Python ワーカープロセスとして常駐し、ページ変換を効率的に処理します。以下の場合は自動的に Turndown にフォールバックします: - Syntax highlighter 系コードブロック（`hljs`, `shiki`, `torchlight` 等）を含む HTML - MarkItDown ワーカーの起動失敗 / 変換エラー / タイムアウト `DEBUG=1` でフォールバック理由を確認できます。 ## 開発 ```bash # ローカル実行 bun run dev https://example.com # テスト bun run test # lint & format bun run check # 型チェック bun run typecheck # ビルド（Node.js 向け配布用） bun run build ``` ## ファイル構成 ``` taskp-link-crawler/ ├── .agents/skills/link-crawler/ ← taskp スキル（SKILL.md + run.sh） ├── src/ │ ├── crawl.ts ← CLI エントリーポイント │ ├── config.ts ← 設定パース │ ├── crawler/ ← クロールエンジン │ │ ├── index.ts ← メイン Crawler クラス │ │ ├── fetcher.ts ← playwright-cli fetcher │ │ ├── fetcher-native.ts ← playwright native fetcher │ │ ├── logger.ts ← ログ出力 │ │ ├── robots.ts ← robots.txt パーサー │ │ └── post-processor.ts ← Merger/Chunker 実行 │ ├── parser/ ← HTML → Markdown 変換 │ │ ├── converter.ts ← MarkItDown + Turndown │ │ ├── extractor.ts ← コンテンツ抽出 │ │ └── links.ts ← リンク抽出 │ ├── output/ ← ファイル出力 │ ├── diff/ ← 差分クロール │ └── utils/ ├── tests/ ← テストスイート（30ファイル, 897テスト） ├── package.json ├── tsconfig.json ├── vitest.config.ts └── biome.json ```