Firecrawl 一句话就能把网页变成数据，它替你干的是哪几件脏活？

2026-11-09silcano

Firecrawl ・ 2026-11-09 核对 GitHub 与 npm、PyPI 实时数据，定价查官方页面
本文按照 super-official-writer 的写作纪律改过：结论先行、数据前置、单句不过三十字、禁空洞套话
没有 API key，我没跑它的接口。文中性能数字凡是官方自述，单独标出。

抓取一直是我这套产线的短板。

公众号那一半好办，curl 拿得到全文。出了公众号就手短。

JS 渲染的页面只给一副空骨架，反爬的站点直接回 403。

Firecrawl 补的就是这一段。它把脏活做完，只交一份干净数据给你。

· · ·

一、先摆数据

GitHub 我实时查过：199,946 star，10,522 fork。协议 AGPL-3.0，2024 年 4 月建库。

下载量比 star 实在。npm 包上月 340 万次，@mendable/firecrawl-js 488 万次，PyPI 的 firecrawl-py 534 万次。

三个加起来，一个月一千三百六十二万次。这个量级说明有人在生产环境里用，不是刷出来的热闹。

· · ·

二、它替你干哪几件脏活

把网页变成能喂给模型的数据，中间隔着六道坎。每一道都得有人干。

脏活	自己动手会怎样	它怎么接
JS 渲染	curl 回来一副空壳，正文一个字没有	等正文加载完再截
反爬	封 IP，弹验证码，换 UA 也没用	代理轮换、限频、过机器人检测
垃圾内容	导航栏、广告、页脚全算进 token	先过滤再交，官方称省 93% token
附件	网页挂 PDF、DOCX，还得另找工具	Parse 接口一起解析
整站	一篇篇贴链接，几百篇贴到天亮	Crawl 翻全站，Map 秒列全部 URL
变更	靠人刷，刷到了事故也发生了	Monitor 变了才通知

第三行那个 93%，是官方自己的口径。我手头有个能对上号的实测，是我自己站上的数。

一篇 2051 字的公众号文章，原始 HTML 抓下来 3.57 MB。正文按 UTF-8 折算约 6 KB。

正文只占原始体积的千分之一点七。剩下全是脚本、样式和私有属性。

这就是脏活的价码。不是抓不到，是抓回来九牛一毛有用。

· · ·

三、三种用法，按手艺深浅排

最浅的一层是 Scrape。给一个 URL，还你 markdown、HTML、截图或者结构化 JSON，格式自己挑。

中间一层是 Search。跟普通搜索不一样，它把每条结果的完整正文一起带回来，不再是一句话摘要。

最深一层是 Interact。它会点、会滚、会填表、会回车，像个人一样把页面走一遍。

外面还挂着四个：Crawl 翻整站，Map 列 URL，Batch 批量异步跑，Monitor 盯变更。

接进编辑器只要一条命令：npx -y firecrawl-cli@latest init --all --browser。重启 agent，它就能自己上网查资料。

· · ·

四、钱怎么算

按照官方定价页，一 credit 抓一页。搜索十条结果算两 credit，浏览器一分钟算两 credit。

要 JSON 输出，每页再加四 credit。Monitor 换算法，一页一次七 credit。

档位	月付	credits
免费	0	1,000 / 月
Hobby	19 美元	5,000
Standard	99 美元	100,000
Scale	749 美元	1,000,000

我按自己的量算过一笔账。每月新素材 200 页，要 JSON 的 60 页，外链体检 300 页。

两百加三百，再加六十乘五，一共八百 credit。免费档一千，剩两百。

结论很直白：小规模够用，免费档就够。真要天天跑，19 美元那一档有余量。

· · ·

五、它能给我带来什么

三件，都能落到手上。

第一件，素材能进库。搜索给我一段摘要，存进库里没意义，三个月后自己也看不懂。

Firecrawl 给的是原文加元数据。能检索，能 diff，能点回出处，写稿引用才有底气。

第二件，上游变更盯得住。PHP 8.4 更新日志、Workerman 发布记录，我平时靠刷群，经常刷晚了。

挂上 Monitor，页面一变就推给我。这套东西自己写要维护 diff，还要去噪，导航栏换个日期就能误报。

第三件，少维护一套爬虫。Playwright 加代理池，我自己搭得出来。

搭完三个月不管就烂，烂了还得半夜起来看。

· · ·

六、三处得先知道

协议先看清楚。主项目 AGPL-3.0，只有 SDK 和部分界面是 MIT。

内部用随便，做成对外服务卖，改动部分得开源。这条比 star 数重要一万倍。

自托管是体力活。docker-compose 里七个服务，还得单独跑一个 init。

更要紧的是，自托管的 Search 要自己接第三方搜索接口，因为搜索这一层没开源。省下来的钱，正好是最值钱的那块能力。

96% 成功率是他们自己发的榜。对手 Puppeteer 79%，cURL 75%，数据全在自家博客上，没有第三方复现。

这不叫造假，但这不能当证据用。真在意，挑二十个自己的目标站跑一遍。

· · ·

七、装不装

四句，对号入座。

要原文不要摘要，要能入库能 diff，装。要「一直知道」而不是「现在知道」，装。

只是问 AI 一个问题，明天就忘，别装，自带搜索够用。要做成对外卖的 SaaS，先读完 AGPL 再动手。

· · ·

把网页变成数据的活儿，值钱的从来不是抓到。是抓完以后，能存、能查、能对得上出处。

仓库地址：github.com/firecrawl/firecrawl