什么是 Markdown 浏览器？

Markdown 浏览器是一个技术编排技能，旨在作为网页数据的后处理引擎。它并非独立的抓取工具，而是通过提供处理网页内容的 MECE（相互独立，完全穷尽）架构来补充官方抓取工具。它确保在数据到达 AI 智能体之前，每一条检索到的数据都经过严格的策略、隐私和规范化层处理。

通过将此工具集成到您的 Openclaw Skills 工作流中，您可以获得稳定的输出架构，处理复杂的任务，如通过 Turndown 进行 HTML 到 Markdown 的转换、敏感路径片段的 URL 脱敏，以及基于 Content-Signal 响应头的自动化策略决策。这使其成为开发者构建稳健、具备隐私保护意识的 AI 应用的宝贵资产。

下载入口:https://github.com/openclaw/skills/tree/main/skills/johnortegahyc/markdown-browser-skills-openclaw

安装与下载

1. ClawHub CLI

从源直接安装技能的最快方式。

2. 手动安装

将技能文件夹复制到以下位置之一

优先级：工作区 > 本地 > 内置

3. 提示词安装

将此提示词复制到 OpenClaw 即可自动安装。

Markdown 浏览器 应用场景

• 将异构的网页内容类型规范化为统一的 Markdown 格式，供 AI 使用。
• 对敏感的 URL 查询参数和片段进行脱敏，防止日志中的数据泄露。
• 根据服务器端信号执行自动化的内容策略，如 allow_input 或 block_input。
• 使用可预测且结构化的数据模式为下游智能体逻辑准备网页数据。

1. 系统触发官方 web_fetch 工具来检索原始页面数据和响应头。
2. 抓取产生的原始 JSON 结果被传递到 Markdown 浏览器封装器中。
3. 策略层分析 Content-Signal 等响应头，以计算适当的 policy_action。
4. 隐私层脱敏 URL 中的敏感路径和查询值，同时保持整体 URL 结构。
5. 规范化层检测内容类型，并在必要时使用回退机制将 HTML 转换为 Markdown。
6. 该技能输出一个精炼的 JSON 对象，包含处理后的内容、Token 预估和合规性元数据。

Markdown 浏览器 配置指南

要在您的 Openclaw Skills 环境中开始使用此技能，请先安装运行时依赖：

npm install --omit=dev

然后，您可以通过 CLI 运行封装器，提供抓取结果和可选的响应头：

node browser.js r
  --input /tmp/web_fetch.json r
  --content-signal "ai-input=yes, search=yes" r
  --markdown-tokens "1200"

Markdown 浏览器 数据架构与分类体系

该技能返回一个具有以下字段的结构化对象：

name: markdown-browser
description: "Wrapper skill for OpenClaw web_fetch results. Use when you need MECE post-processing on fetched pages: policy decision from Content-Signal, privacy redaction, optional markdown normalization fallback, and stable output schema without re-implementing network fetch."

Markdown Browser Skills

This skill is an orchestration layer, not a replacement fetcher. It always keeps official web_fetch as the fetch source of truth.

MECE Architecture

1. Fetch layer (official, exclusive)

• Use OpenClaw web_fetch to retrieve the page.
• Do not call direct HTTP fetch inside this skill for normal operation.

2. Policy layer (these skills)

• Parse Content-Signal and compute policy_action.
• Current action focuses on ai-input semantics: allow_input, block_input, needs_review.

3. Privacy layer (these skills)

• Redact path/fragment/query values in output URL fields.
• Keep URL shape useful for debugging without leaking sensitive values.

4. Normalization layer (these skills)

• If contentType=text/markdown, keep content as-is.
• If contentType=text/html, convert with turndown as fallback enhancement.
• For other content types, pass through text.

Execution Order

1. Call official web_fetch.
2. Pass the result JSON into this wrapper.
3. Optionally pass Content-Signal and x-markdown-tokens header values if available.
4. Use the returned normalized object for downstream agent logic.

Wrapper Tool

process_web_fetch_result({ web_fetch_result, content_signal_header, markdown_tokens_header })

Input:

• web_fetch_result (required): JSON payload returned by OpenClaw web_fetch.
• content_signal_header (optional): raw Content-Signal header string.
• markdown_tokens_header (optional): raw x-markdown-tokens header value.

Output:

• content
• format (markdown | html-fallback | text)
• token_estimate (number | null)
• content_signal
• policy_action
• source_url (redacted)
• status_code
• fallback_used

CLI Usage

# Install runtime dependency once inside the skill directory
npm install --omit=dev

# 1) Obtain a web_fetch payload first (from OpenClaw runtime)
# 2) Save it as /tmp/web_fetch.json
# 3) Run wrapper post-processing
node browser.js r
  --input /tmp/web_fetch.json r
  --content-signal "ai-input=yes, search=yes, ai-train=no" r
  --markdown-tokens "1820"