你的 AI 知识库，一半是垃圾！零依赖 60 行代码！把任意文档站洗成干净 Markdown，RAG 垃圾块终于有救了

大白话做 RAG 聊天机器人最烦的第一步：网页里八成是菜单、页脚、Cookie 弹窗和脚本，直接喂给模型，切出来的片段全是「跳到主要内容」这种废话。这位开发者的思路很简单：只抓正文区域，把标题、段落、列表、代码块转成 Markdown，其余全扔掉。好处是标题天然成了分段边界，按二级标题切块比按固定字数硬切检索效果好得多，而且 Markdown 比原始 HTML 小很多，省 Token。

对你意味着自己做知识库、给 AI 喂文档的开发者可以直接抄；但它不处理表格和链接，整站爬取、robots.txt 也得自己补。