确保故障安全：用于开放式 Web 数据收集的受约束、可验证的代理框架

arXiv:2607.00035v1 公告类型：新 摘要：法学硕士和代理可以根据自然语言要求生成网络抓取工具，但由于依赖性错误、损坏的选择器、模式不匹配和异构页面结构，直接生成仍然不可靠。我们提出了一个受约束的、可验证的代理框架，它将 LLM 输出从自由格式代码转移到类型化 JSON 收集器配置，结合了六种收集器分类法、模板和实用函数约束、静态 Airflow DAG 执行、基于规则的质量检查和结构化反馈校正。对 138 个任务的实验表明，分类法支持基于描述的需求类型，同时确认稳定的实例化需要完成初始描述之外的源、字段和执行约束。在 80 个独立源验证的任务中，该框架以零执行阶段 LLM 代币和最低的平均挂钟时间运行，以中等的一次性质量换取适合重复计划收集的可重用、确定性和可验证的执行路径。这些结果将该框架定位为可重复使用、低成本且可验证的执行路径，用于重复的开放网络数据收集。