从网站提取公司信息：工作流

要可靠地从网站提取公司信息，先明确你需要的字段，收集相关页面，记录每条事实及其来源，并在使用结果前核对任何对时间敏感的细节。

目标是结构化数据——而不是重写一份公司简介。一个良好的提取流程会告诉你：网站声明了什么、它在哪里声明、信息何时发布，以及哪些字段仍未知。

先定义输出的数据结构

没有结构的话，人工研究和 AI 工具往往会把所有看起来有趣的内容都收集起来。在访问网站之前，先决定目的地需要什么。

一个基础的公司数据集可能包括：

如果是用于销售研究，你可能还会补充公开的举措、招聘信号和近期公告。对于目录类用途，分类、地点和联系方式字段可能就足够了。避免收集该使用场景不需要的个人或敏感数据。

首页往往并不包含全部内容。查看主要导航，并收集承担明确角色的页面：

如果页面需要登录、被阻止或已移除，将其标记为不可用。不要依据搜索摘要推断页面内容。

对每一条重要事实，都要存储：

这样就把一堆复制的文本变成可审计的信息。也让更新更容易：当领导层发生变动或产品被重命名时，你知道应该回到哪个来源页面重新核对。

将网站的直接表述与分类分开处理。一个网站可能会把自己描述为“面向移动团队的运营平台”。把这句话映射为数据库类别（如“现场服务管理软件”）属于解释，应标注为一种解释，而不是原文引用。

公司网站常常会出现矛盾之处。新闻稿可能使用旧的员工人数统计，某个区域的联系页面可能把本地办公室写成总部，或者领导团队简介在角色调整后仍未更新。

使用以下规则：

外部权威来源有助于确认公开申报或法律身份，但不要把它们悄悄混入“网站提取”的数据中。要保留来源类型。

当页面很长，或需要跨多个 URL 收集相同字段时，AI 很有帮助。给模型一个严格的结构，并要求在缺失信息时返回 null 值。

可以尝试这样的提示：

仅提取所提供网页中明确写出的信息。返回一张表，包括字段、值、来源 URL、页面日期和审核备注。字段缺失时使用“not found”。不要推断总部、成立年份、员工数量、客户、收入或市场地位。

iWeaver 的 AI 网站摘要器可以帮助压缩公开网页内容，而公司研究生成器则能把多个公司来源组织成结构化研究。始终将重要字段与原始页面进行对比。

假设一家软件公司的首页写着它帮助“独立诊所协调患者沟通”。它的产品页面会列出预约提醒和消息路由。关于我们页面把波士顿列为其基地，而一则两年前的公告称纽约是其总部。

正确的提取方式不是在没有说明的情况下就选用波士顿。要从当前关于我们页面记录波士顿，把较早的纽约值作为冲突备注保留，并标记总部字段以供确认。产品列表可以按页面所述进行记录。“医疗保健 SaaS”可能是一个有用的类别，但应标注为研究人员分配的分类，而不是直接引用。

提取完成后，在不改变含义的前提下，统一大小写、国家名称、电话号码格式和类别标签。去重那些在导航和正文中反复出现的产品名称。当数据将进入 CRM 或数据库时，请在“规范化值”之外保留“原始值”。

进行基础校验：必填字段是否齐全、URL 是否有效、日期是否采用同一种格式、在预期的情况下每个字段只有一个值，以及没有不支持的数字。对于周期性项目，把本次提取与之前的版本进行对比，以便变更能得到复核。

结构化的网站数据可以用于目录记录、账户简报、事实清单或写作流程。如果下一步任务是把已核验的输入转换成可读的公司内容，请查看公司信息生成器会做什么。

不要跳过这些阶段之间的边界。提取会问：“来源到底说了什么？”内容生成会问：“如何把已批准的事实呈现给这个受众？”把它们分开，能让两个输出都更可靠。

最好的提取并不是最长的那份。它是一个可追溯的数据集：包含清晰的缺口、带日期的证据，以及足够的结构，供人——或另一个系统——在不猜测事实来源的情况下使用。