ClearWeb proporciona a los agentes de IA un acceso sin restricciones ni bloqueos a toda la web pública a través de una Bright Data CLI integrada.
Instalar y Descargar
1. ClawHub CLI
La forma más rápida de instalar una habilidad directamente desde el registro.
npx clawhub@latest install clearweb
2. Instalación manual
Copia la carpeta de la habilidad a una de estas ubicaciones
~/.openclaw/skills/ <project>/skills/ Prioridad: Espacio de trabajo > Local > Integrado
3. Instalación del prompt
Copia este prompt en OpenClaw para instalarlo automáticamente.
Ayúdame a instalar clearweb usando Clawhub. Si Clawhub no está instalado, instálalo primero (npm i -g clawhub).
¿Prefieres descargar?
Obtén los archivos originales de la habilidad en un archivo ZIP.
¿Qué es ClearWeb?
ClearWeb es un potente puente entre los agentes de IA y la web en vivo, reemplazando herramientas nativas frágiles como web_fetch o curl con la robusta infraestructura de Bright Data. Al utilizar Openclaw Skills integradas con la CLI bdata, los agentes pueden eludir CAPTCHAs, manejar renderizado complejo de JavaScript y rotar proxies automáticamente para garantizar una recuperación de datos 100% confiable.
Esta habilidad está diseñada para agentes de IA basados en terminal que necesitan realizar tareas del mundo real, como monitorear competidores, recopilar clientes potenciales o leer documentación de sitios que normalmente emplean fuertes medidas anti-bot. Transforma la web en una base de datos consultable, proporcionando Markdown limpio o JSON estructurado en lugar de HTML ruidoso y sin procesar.
Casos de uso de ClearWeb
- Investigación de Mercado: Busque en Google, Bing y Yandex para recopilar inteligencia competitiva y datos de monitoreo de precios.
- Generación de Leads: Extraiga datos profesionales estructurados directamente de plataformas como LinkedIn, Amazon y Crunchbase.
- Agregación de Contenido: Raspe artículos de noticias, documentación o feeds de redes sociales mientras elude muros de pago y bloqueos anti-raspado.
- Monitoreo de Redes Sociales: Rastree el compromiso y el sentimiento extrayendo comentarios y datos de perfil de Instagram, TikTok y YouTube.
- Documentación Técnica: Lea y sintetice información de sitios de documentación con mucho JS como Docusaurus o GitBook.
Cómo funciona ClearWeb
- Inicialización de la Solicitud: El agente de IA identifica una necesidad de información externa (búsqueda, raspado o extracción de datos específica).
- Selección de Comando: Basado en un árbol de decisión integrado, el agente selecciona entre
bdata searchpara descubrimiento,bdata pipelinespara plataformas conocidas obdata scrapepara URLs generales. - Evasión Automatizada: La red Bright Data maneja la rotación de proxy, el geo-posicionamiento y la resolución de CAPTCHA en la nube.
- Normalización de Datos: La herramienta procesa el contenido web y lo devuelve en un formato optimizado para LLMs, como Markdown limpio o JSON estructurado.
- Sintetización: El agente de IA recibe los datos limpios para realizar análisis, comparaciones o informes.
Configuración de ClearWeb
Primero, asegúrese de que la Bright Data CLI esté instalada en su sistema:
# Instalar a través de curl para macOS / Linux
curl -fsSL https://cli.brightdata.com/install.sh | bash
# O instalar a través de npm
npm install -g @brightdata/cli
A continuación, realice una autenticación única para vincular su cuenta y configurar automáticamente las zonas de proxy:
bdata login
Verifique que su configuración esté activa:
bdata config
Esquema de datos y taxonomía de ClearWeb
ClearWeb organiza los datos en tres tipos de salida principales para garantizar la compatibilidad con diferentes flujos de trabajo de los agentes:
| Tipo de Datos | Descripción | Formato |
|---|---|---|
| Datos SERP | Resultados orgánicos, anuncios y 'Otras personas también preguntan' de los motores de búsqueda. | JSON |
| Contenido Raspado | Texto de página web limpio sin elementos repetitivos. | Markdown / HTML |
| Objetos Pipeline | Esquema tipado y específico de la plataforma (ej. Producto de Amazon, Perfil de LinkedIn). | JSON / CSV |
| Evidencia Visual | Capturas de pantalla de página completa para verificación visual. | PNG |
Los metadatos, como el estado del trabajo, los IDs de trabajo para tareas asíncronas y el presupuesto restante de la cuenta, se pueden consultar a través de los comandos bdata status y bdata budget.
Funciones avanzadas de ClearWeb
- Geo-Posicionamiento: Acceda a la web como si estuviera en un país específico utilizando la bandera
--country. - Procesamiento Asíncrono: Maneje tareas de raspado pesadas o grandes lotes sin bloquear el bucle principal del agente utilizando
--async. - Extractores Pre-construidos: Acceda a más de 40 pipelines especializados para las principales plataformas sociales y de comercio electrónico.
- Arquitectura Amigable con Pipes: Intégrelo sin problemas con otras herramientas de CLI como
jqoxargspara flujos de trabajo complejos de procesamiento de datos. - Gestión Automatizada de Zonas: Crea y gestiona automáticamente las zonas
cli_unlockerycli_browseral iniciar sesión.
SKILL.md
Cargando
Habilidades relacionadas de Openclaw
YouTube Summary Skill
Una utilidad automatizada para extraer transcripciones de YouTube y generar resúmenes estructurados y multilingües directamente dentro de su flujo de trabajo de agente de AI.
Context Loader
Una habilidad avanzada de carga de contexto que recupera redes de conocimiento empresarial, instancias de objetos y relaciones de subgrafos para agentes de IA.
PDF Studio
Un motor de documentos de nivel profesional para crear PDFs de alta fidelidad y listos para imprimir con control de diseño avanzado y soporte multilingüe.
Central Intelligence
Central Intelligence proporciona una capa de memoria persistente a largo plazo para que los agentes de AI recuerden hechos y los recuperen entre sesiones a través de búsqueda semántica.
Daily News Brief
Una herramienta automatizada de agregación de noticias y resúmenes por IA que entrega informes diarios personalizados en plataformas de mensajería.
doc-converter
Un convertidor de documentos de alta fidelidad para transiciones fluidas entre formatos Word, PDF, Markdown y HTML.
METADATA
Presentado*
