Erweiterung zur Konvertierung von Web-Seiten in Markdown
Erweiterung zur Konvertierung von Web-Seiten in Markdown
Ein neues Tool ermöglicht die einfache Umwandlung von Web-Seiten in sauberes Markdown und erleichtert so die Arbeit mit Sprachmodellen.
Das Kopieren von Web-Inhalten für Large Language Models (LLMs) muss nicht zwingend den gesamten HTML-Code, Werbung und Interface-Elemente umfassen. Zu diesem Zweck wurde die Erweiterung .MD this page entwickelt, die jede Seite mit einem einzigen Klick in sauberes Markdown konvertiert – bereit zur Eingabe in ein Sprachmodell.
Die Erweiterung nutzt Mozilla Readability, um automatisch den Hauptinhalt der Seite zu extrahieren und Navigation, Werbung sowie anderen überflüssigen Inhalt zu entfernen. Vor dem Export kann das Ergebnis bei Bedarf in einer Vorschau überprüft und bearbeitet werden. Anschließend lässt es sich in die Zwischenablage kopieren, als Markdown-Datei speichern oder direkt als Basis für einen Prompt verwenden.
Beim Export können Nutzer zudem konfigurieren, welche Elemente im finalen Dokument enthalten sein sollen: Bilder, Links, Metadaten, die URL der Originalseite und die Strukturkarte des Dokuments können beibehalten oder entfernt werden.
Das Projekt wird mit Open Source unter der MIT-Lizenz vertrieben.
Warum das wichtig ist
AnalyseDieses Tool vereinfacht die Aufbereitung von Web-Inhalten und deren Integration in Sprachmodelle erheblich. Es steigert potenziell die Produktivität von Entwicklern und Forschern im KI-Bereich durch effizientere Datenverarbeitung.
In der Community diskutieren
Teile deine Fragen und Erkenntnisse mit Entwicklern
Verwandt im Ökosystem
Praktische Leitfäden, Terminologie und Agenten-Skills
Markdown-Format: Vollständiger Leitfaden für die Arbeit mit KI und Automatisierung
Umfassender praktischer Leitfaden zur Markdown-Syntax für die KI-Entwicklung: CommonMark, Überschriftenhierarchie, GFM-Tabellen, Escaping, System-Prompts und CLAUDE.md-Dateien.
Teil I. Architektur von KI-Agenten: Grundlegende Bausteine
Zehn grundlegende Bausteine eines modernen Agenten: Modell-Taxonomie, Runtime-Loop, Prompting-Techniken, Distillation, Skills, Memory, Function Calling und Unit Economics.
Frontier-Modelle
Die leistungsstärkste Klasse künstlicher Intelligenz an der Spitze der globalen Forschung (Claude 3.7 Sonnet, OpenAI o3/GPT-4.5, Gemini 2.0 Pro), die die Grenzen moderner Fähigkeiten in Bezug auf Reasoning, Autonomie und Coding definiert.
LLM (Large Language Model – Großes Sprachmodell)
Eine fundamentale Klasse neuronaler Netzwerkarchitekturen auf Basis autoregressiver Transformer, die Wahrscheinlichkeitsverteilungen für nachfolgende Tokens vorhersagt und emergente Fähigkeiten im abstrakten Denken, in der Code-Synthese sowie im logischen Schlussfolgern zeigt.