3.8 KiB
3.8 KiB
title, type, tags, date
| title | type | tags | date |
|---|---|---|---|
| 可自动化、可扩展、AI增强的电商数据采集与处理系统 | source | 2025-11-11 |
Source File
Summary（用中文描述）
- 核心主题：基于 Docker + Ubuntu + n8n 构建可自动化、可扩展、AI增强的电商数据采集与处理系统
- 问题域：电商数据爬取效率低、AI处理缺失、缺乏自动化管线
- 方法/机制：三层架构（爬虫层→AI处理层→存储展示层）；Scrapy+Playwright组合抓取动态页面；n8n工作流编排自动化；Docker Compose容器化部署
- 结论/价值：提供完整的开源技术栈方案，实现从爬取到AI分析的全链路自动化
Key Claims（用中文描述）
- Scrapy 负责结构化抓取、分页调度、媒体下载；Playwright 负责加载动态页面；两者通过 Docker Compose 容器化，输出 JSON/CSV 供 n8n 消费
- n8n 工作流可实现定时启动爬虫→读取JSON→调用LLM提取属性→写入数据库→生成报表通知的全链路自动化
- AI 处理任务包括：内容摘要分类、多语言翻译、特征提取（品牌/价格/类别）、异常检测（异常价格/缺图产品）、结构化JSON输出
- 本地可使用 Ollama（Mistral/Llama3）通过 HTTP Request 调用本地 API，无需外部 API Key
- 防封策略：User-Agent轮换、代理池（BrightData/ScraperAPI）、下载延迟+随机化访问、分布式调度（Scrapyd/Scrapy集群）
Key Quotes
"Scrapy + Playwright（或 Crawlee + Playwright）" — 推荐爬虫工具组合 "在 n8n 中可以通过 workflow 实现整个管线自动化" — n8n 自动化核心理念 "可以本地使用 Ollama (Mistral, Llama3) 模型，通过 n8n 的 HTTP Request 调用本地 http://localhost:11434/api/generate" — 本地AI处理方案
Key Concepts
- Scrapy：Python 爬虫框架，擅长结构化抓取、分页调度和媒体下载
- Playwright：浏览器自动化工具，支持 JS 渲染页面和无头模式
- scrapy-playwright：让 Scrapy 调用 Playwright 渲染动态页面的插件
- n8n：开源工作流自动化平台，支持 Trigger/Action/AI 节点编排
- Docker Compose：容器化编排工具，定义和运行多容器应用
- Ollama：本地 LLM 运行框架，支持 Mistral/Llama3 等模型
- LangChain：结合 Vector DB（Qdrant/Milvus）存储产品语义信息
- Bright Data：商业代理池服务，用于爬虫防封
- Scrapyd：Scrapy 分布式部署集群管理工具
- MinIO：S3 兼容对象存储，用于存储图片和视频
- Grafana：可视化平台，生成电商趋势与分析报表
- Metabase：开源 BI 工具，连接数据库生成分析报表
- FastAPI：Python Web 框架，用于暴露 REST API 给前端或 BI 工具
Key Entities
- Amazon：电商平台示例，Scrapy 爬虫的目标站点
- JD（京东）：电商平台示例
- Taobao（淘宝）：电商平台示例
- Shopee：电商平台示例，提供公开 API
- Scrapy 社区：开源爬虫框架生态
Connections
- Scrapy ← 核心爬虫 ← scrapy-playwright
- scrapy-playwright ← 集成 → Playwright
- n8n ← 编排自动化 ← Docker Compose
- Docker Compose ← 容器化 ← Scrapy + Playwright
- Ollama ← 本地 LLM ← n8n HTTP Request Node
- Bright Data ← 代理池 ← 防封策略
- Metabase ← 数据可视化 ← PostgreSQL/SQLite
- MinIO ← 对象存储 ← 图片/视频存储
Contradictions
- 无已知冲突内容
起步路径
- 在 Ubuntu 上安装 Docker + Docker Compose
- 启动基础环境：scrapy + playwright + n8n
- 选择 1–2 个电商站点（Amazon / JD / Taobao）
- 构建 Scrapy 爬虫模板
- 用 n8n 处理数据并测试 AI 工作流
- 逐步扩展至全自动管线