crawl2ai

Crawl2AI

Crawl2AI 是一个强大的数据集生成和大模型微调工具。用户可以一键爬取指定域名的链接，并将其转换为大模型友好的 markdown 文件。这些 markdown 文件可以进一步通过 ChatGPT、DeepSeek 和 Gemma 等大型模型转换成训练大型模型所需的数据集。

关键特点

• 高效爬取: 支持深度爬取指定域名的所有链接
• 格式转换: 将链接转换为 markdown 文件
• 文件上传: 支持上传 .md、.txt、.pdf、.docx、.doc 等文件，自动转换为 markdown
• 输出格式多样化: 支持导出 JSONL 和 JSON 格式，以及 Alpaca 和 ShareGPT 格式等自定义格式
• 预览功能: 支持预览转换结果
• 未来功能: 计划支持直接微调大型模型

使用与安装

• 推荐使用 Python 3.10
• 通过创建虚拟环境并安装依赖来开始使用
• 启动后端和前端服务器后，用户可以在浏览器中访问应用程序。

Crawl2AI 是研发数据集和进行模型微调的重要工具，适用于从事人工智能和机器学习的开发者。