Jina Reader API

Jina Reader API 适合把一个已知的公开 URL 转换成更便于模型处理的内容。它的接入方式很轻：在目标地址前添加 https://r.jina.ai/ 即可读取；需要元数据或结构化响应时再选择 JSON 输出。它应被视为网页数据管线的轻量读取层，而不是默认替代整站爬虫或浏览器自动化。

先检查“读到的内容”是否已经够用

文章、博客、公开文档和说明页通常先验证标题、正文层级、链接、发布日期与来源 URL。若这些字段完整，后续可直接进入清洗、分块、Embedding 和索引；没有必要仅因页面来自 Web 就先部署浏览器池。

Markdown 与 JSON 的选择

• Markdown：适合摘要、问答、引用和文档分块。
• JSON 响应：适合同时保留 URL、标题、内容与可用时间信息。
• 字段提取：ReaderLM 路线可用 JSON Schema 或自然语言指令提取指定字段，但仍要检查缺失和证据。

公开 URL 是明确边界

官方说明 Reader 只处理公开可访问地址，不能读取登录后的内容，也不会主动规避网站的反机器人系统或访问控制。付费套餐提高额度或性能，不代表获得额外网站访问权。遇到阻止响应时，正确动作是检查授权与替代数据源，而不是把失败解释为需要绕过限制。

进入 RAG 前还缺三步

Reader 输出不是完整知识库。仍需处理 canonical 去重、更新时间、删除页面、分块规则与来源引用；持续同步还要设计失败重试和变更检测。如果输入从单页扩大到文档站，应先增加 URL 发现与范围控制，而不是把一页读取循环无限放大。

什么时候升级能力层

只有页面依赖点击、滚动、会话状态，或任务需要同站多页发现和长期调度时，才应升级到 Crawl 或真实浏览器。可参考判断 Reader 是否已满足当前网页数据任务，把单页读取、整站抓取、结构化提取与浏览器会话分开验证。

官方核验：https://jina.ai/reader/（2026-08-13）。