Crawlr est un agent IA open-source en CLI conçu pour rationaliser le processus d'insertion d'informations en ligne dans des bases de connaissances structurées. Utilisant les modèles GPT-3.5/4 d'OpenAI, il parcourt les URL spécifiées, nettoie et divise le HTML brut en segments de texte significatifs, génère des résumés concis et crée des embeddings vecteurs pour une recherche sémantique efficace. L'outil prend en charge la configuration de la profondeur d'exploration, des filtres de domaine et de la taille des chunks, permettant aux utilisateurs d'adapter les pipelines d'insertion aux besoins du projet. En automatisant la découverte de liens et le traitement du contenu, Crawlr réduit l'effort de collecte manuelle de données, accélère la création de FAQ, chatbots et archives de recherche, et s'intègre de manière transparente avec des bases de données vectorielles comme Pinecone, Weaviate ou SQLite local. Sa conception modulaire permet une extension facile pour des analyseurs personnalisés et des fournisseurs d'embeddings.

Website2GPT permet aux utilisateurs de transformer le contenu de l'ensemble de leur site web en fichiers texte propres et structurés. Cet outil est conçu pour gérer le contenu rendu par JavaScript et fournit une extraction de contenu intelligente avec une limitation de débit intégrée. Les utilisateurs peuvent choisir entre des fichiers individuels ou un seul format fusionné, rendant la sortie prête pour la formation GPT ou la création de bases de connaissances. Le processus simplifié garantit que les données extraites sont propres et formatées pour une intégration facile dans diverses applications et modèles.