Web Session Miner（网页登录态数据挖掘器·通用版）

一句话定位

当某个网站同时提供「官方 MCP / 开放平台 API（按次·积分计费）」和「网页版（会员/免费展示）」 两套入口时，本 SKILL 复用你已登录浏览器的登录态，驱动真实浏览器抓取网页版数据， 用你已付费的会员权益零 API 成本拿到全量深度数据。

这是「企查查浏览器抓取」案例的通用化抽象。它不绑定任何单一网站——凡是满足 「MCP + 网页版并存」这一条件的站点，都可以通过写一个「站点适配器（recipe）」接入。

核心认知：双轨计费，如何零 API 成本采集已授权数据

许多 SaaS 数据服务采用「双轨计费」：

两套计费互不相通：你买了网页版会员，通常不含 API 调用额度。于是——用浏览器 复用你网页版会员的登录态去抓数据，就是「用已付费的会员权益，零 API 成本拿数据」。

⚠️ 合规边界（使用前必读）

本 SKILL 是「高效采集你自己已授权数据」的效率工具，仅限以下范围：

• ✅ 只抓取你自己账号有权查看的数据（你已付费/已授权的会员权益内）。
• ✅ 遵守目标网站服务条款（ToS）与 robots 协议，控制抓取频率。
• ❌ 禁止绕过付费墙获取未授权数据、大规模商业爬取、以及任何违法用途。
• ⚠️ 使用者对自身行为负责；本工具不用于「破解付费墙」。

前置条件

1. bsk CLI 在 PATH（browser-skill 套件），Chromium 扩展已连接（bsk status 显示 browsers connected 1）。若 bsk 命令不存在或扩展未连接，先引导用户安装/启用 browser-skill（WorkBuddy 插件市场），不要盲目继续抓取。
2. 目标网站已在浏览器中登录（复用现有登录态，无需重新扫码）。

通用五步法（对任意目标站点）

1. 识别计费结构 — 确认该站点是否「网页版会员权益」与「MCP/API 按次计费」分离。 判据：MCP 连接器按次扣积分、网页版却能用会员账号无限看。
2. 建立登录态 — bsk session start，agent 标签天然继承浏览器 cookies，无需重新登录。
3. 页面侦察 — 摸清该站点的「URL 规律」和「数据 DOM 结构」： bsk snapshot 看结构，bsk evaluate "document.body.innerText" 取全文本。
4. 数据定位 — 找到目标数据所在的容器/表格/字段（详见各站点适配器）。
5. 抓取与结构化 — 提取 → 解析 → 输出 JSON 或 HTML 报告 → bsk session stop。

核心原则：每个站点的「变体细节」都封装在 recipes/ 下的适配器里；五步法本身不变。 接到新任务时，先看有没有对应 recipe，没有就按 _template.md 现场写一个。

站点适配器（recipes）机制

recipes/ 目录下，每个站点一个 Markdown 适配器文件，包含该站点的可变细节：

• 站点名 + 登录态确认方式（如何判断已登录）
• 搜索页 URL 模板 + 详情页 URL 规律（是 md5 哈希还是 ID 直拼？）
• 关键字段的 DOM 定位（表格容器 class、关键词定位法）
• 歧义/同名甄别规则（如何确认是目标对象而非同名者）
• 反爬/风控注意事项（频控、验证码、分页）

已内置：recipes/qcc.md（企查查，未登录可搜索）、recipes/tyc.md（天眼查，搜索强制登录）。 新增站点照 recipes/_template.md 填写即可。

登录门槛差异（重要）：不同站点的登录门槛不同，直接决定能否「未登录预搜索」—— 企查查未登录可搜索（弱门槛）；天眼查/爱企查搜索即强制登录（扫码）。写 recipe 时， 第 1 节务必先实测该站点的登录门槛，并在「硬前置」里标注。

坑位清单（通用，实测踩过）

1. 浏览器会话会失效：bsk session id 会因 Agent Window 被关闭或并行会话/用户手动操作 而反复变化。对策：操作紧凑、报 session not registered 立即 bsk session list 重取 id、 核心数据在稳定 session 里按明确 URL 一次性抓取。
2. 详情页 URL 别硬拼 ID：很多站点的详情页 URL 是内部哈希/加密 ID（如企查查用 md5）， 硬拼信用代码/自增 ID 会被重定向。必须从搜索结果页提取真实 href。
3. 同名/多义词歧义：人物页标题关联的公司 ≠ 其主营业务身份（可能是兼任的上市公司）。 必须用「简介 + 归属 + 关联舆情」多处交叉验证，再下结论。
4. 分页点不动：SPA 懒加载分页可能点了不刷新。多次无响应就抓当前页（前 N 条常已够）， 并在报告诚实标注「前 N 家 / 共 M 家」。
5. 别默认借用用户标签：bsk tab borrow 会打扰用户、常被取消；优先在 agent 标签直接导航。
6. navigate 报 RPC 超时 ≠ 页面没加载：bsk navigate 偶发 tool RPC timed out，但页面可能 实际已加载完成。别急着重试导航，先 bsk evaluate "document.readyState" 确认——若已 complete 且 title 正确，直接继续抓取即可。

输出规范

• 数据忠实：严格引用原始字段值，不推导、不编造；空数据如实报「暂无记录」。
• 单位/日期：金额注明单位；日期用 YYYY-MM-DD。
• 报告格式：先结论 → 结构化表格 → 可视化（默认深色金融风 HTML，ECharts 关系图 + 明细表 + 时间线 + 数据来源脚注）。
• 脚注必备：标注「站点 + 登录态来源 + 抓取时间 + 数据范围（如仅前 N 家）」。

与官方 MCP 的边界

• 本 SKILL（浏览器抓取）：批量、深度、零 API 成本，适合大范围采集 + 报告生成。
• 官方 MCP 连接器：按次扣积分，适合少量精确查询（单点查实控人、核验字段）， 返回结构更规整、可直接程序化。
• 选择原则：查 1~2 个精确字段走 MCP；批量/图谱/报告走本 SKILL。两者互补。

如何新增一个站点适配器

1. 复制 recipes/_template.md 为 recipes/{站点名}.md。
2. 按模板填 6 项：登录态确认 / URL 规律 / 字段定位 / 歧义甄别 / 风控 / 备注。
3. 用五步法跑通一次，把实测踩到的坑回填到该 recipe 的「坑位」段。
4. 可选：把典型抓取案例追加到该 recipe 末尾，供后来者参考。