大家好，我是 Axton。在如今这个 AI 技术日新月异的 2025 年，我们常常需要让 AI 模型理解和处理来自互联网的实时信息。上期视频中，我们初步介绍了能够高效获取网页内容的工具——Reader API。你只需提供一个网址，它就能将网页内容精心整理，便于 AI 直接使用。这篇文章将带你深入探索如何将这款强大的 Reader API 集成到我们常用的 AI 平台中，例如 ChatGPT 的 GPTs 和 Dify 的 AI 智能体，让你的 AI 应用如虎添翼。本文数据最后核实：2025-05
Reader API 的核心价值与应用场景
Reader API 的核心价值在于它能将任意网页的非结构化内容，转化为 AI 更易于理解和处理的结构化数据。 在 AI 时代，无论是构建知识库、进行市场分析，还是驱动智能问答，都离不开对海量网络信息的有效获取与整合。传统的网页抓取方式往往复杂且易出错，而 Reader API 则提供了一个简洁、高效的解决方案。
想象一下，你需要让一个 AI 智能体去阅读一篇最新的行业报告，并总结出关键信息。如果直接将网页链接丢给 AI，它可能难以准确抓取核心内容，甚至被广告、导航栏等无关元素干扰。而通过 Reader API，我们可以先将网页内容”清洗”并格式化为 Markdown 文本，再交由 AI 处理，这样不仅提高了信息提取的准确性，也大大提升了 AI 的工作效率。这正是 Reader API 在构建智能应用时的关键作用。
在 ChatGPT 中集成强大的 Reader API
通过 GPTs 的 Action 功能，我们可以轻松地将 Reader API 集成到 ChatGPT 中，使其具备直接读取和理解网页内容的能力。 要实现这一点，关键在于一个符合 OpenAPI 规范的 Schema 文件。这个 Schema 文件就像一份说明书，告诉 ChatGPT 如何与 Reader API 进行交互。
你可能会觉得编写这样一个 Schema 文件听起来有些复杂，但别担心，我已经为大家准备好了一切。首先，你可以访问 Jina Reader API 的 GitHub 开源网站，那里有关于 API 的详细说明。如果你不熟悉如何将这些说明转换为 OpenAPI Schema，我甚至创建了一个名为”OpenAPI 生成器”的 GPT，你只需将 API 的说明文档丢给它，它就能帮你自动生成所需的 Schema。这个生成器以及我预先写好的 Reader API Schema 都可以在我的免费福利分享中找到，链接在文末。
获取到 Schema 后，在创建或编辑 GPTs 时，进入 Action 配置界面，将 Schema 内容粘贴进去。系统会自动解析出可用的 API 功能。为了验证集成是否成功，我们可以点击”Test”按钮，并提供一个 URL 进行测试。例如，我当时使用了一篇来自 TheVerge 的新闻报道链接。测试成功后，GPTs 会返回网页的标题、原始 URL 以及经过 Markdown 格式化的主要内容。确认无误后，再结合我精心编写的 Prompt，这个具备了网页阅读能力的 GPT 就大功告成了。之后，你只需在对话框中丢给它一个 URL，它就能迅速为你提炼信息。
Dify 平台与 Reader API 的无缝对接
Dify 作为一个出色的开源 AI 应用开发平台，同样支持通过自定义工具的方式集成 Reader API，其逻辑与 ChatGPT 的 GPTs Action 非常相似。 Dify 允许用户快速创建 AI 机器人和工作流应用，与我们之前讨论过的 Coze 属于同类产品。令我惊喜的是，即便初次上手 Dify，我也仅用了不到 30 分钟就成功创建了一个功能与前述 GPTs 类似的 AI 智能体（Agent）。
在 Dify 中集成 Reader API 的过程也相当直观。首先，我们需要创建一个自定义工具。在”工具”菜单中选择”创建自定义工具”，给它一个明确的名称，比如”测试 Reader”。接下来，你会看到熟悉的 Schema 配置区域，它同样要求提供 OpenAPI 规范的 Schema。这时，我们完全可以将之前为 ChatGPT 准备的那个 Schema 直接拷贝粘贴过来，因为它们都遵循相同的 OpenAPI 标准。Dify 会迅速解析 Schema 并显示出可用的 API 操作。
为了节省时间，我们可以跳过在工具创建阶段的单独测试，直接将其应用到 AI 智能体中进行整体测试。在 Dify 的”工作室”中创建一个新的空白应用，选择”AI 智能体”类型，因为它能自主选择工具来完成任务。为智能体命名，例如”给我网页内容”。然后，为其配置一个合适的 Prompt，同样，这个 Prompt 也可以使用我为大家准备好的版本。最关键的一步是添加工具——选择我们刚刚创建的”测试 Reader”自定义工具。完成这些步骤并发布更新后，这个 Dify 智能体就准备就绪了。我当时用了一篇我的微信公众号文章链接进行测试，它也顺利返回了文章的标题、URL、发布时间以及 Markdown 格式的内容，证明集成非常成功。
完整视频请点击观看：
跨平台集成的启示：掌握核心技能的重要性
不同 AI 平台集成外部 API 的逻辑具有高度相似性，这充分说明了掌握核心原理能让我们在技术浪潮中快速适应和应用新工具。 从 ChatGPT 的 GPTs Action 到 Dify 的自定义工具，再到 Coze 等类似平台，你会发现它们在集成第三方服务（如 Reader API）时，对 OpenAPI Schema 的依赖以及整体的操作流程都大同小异。
这种相似性甚至可以延伸到更广泛的自动化平台领域。无论是 Make (原 Integromat)、Zapier 还是 N8N，它们连接不同应用、实现数据流转的底层逻辑，本质上也是相通的。这再次印证了我的一个观点：一旦你掌握了一个领域的基础原理和核心技能，再去接触和学习新的工具或平台，往往能够事半功倍，轻松上手。这也是为什么在我的课程中，我特别强调 AI 的两项基本核心技能——提示工程 (Prompt Engineering) 和自动化思维。
全局性核心要点总结
回顾我们今天探讨的内容，有几个核心观点值得大家深入理解。首先，Reader API 这样的工具极大地简化了从网页获取结构化内容的过程，为 AI 应用提供了纯净、高质量的数据源。其次，OpenAPI Schema 是现代 AI 平台集成外部服务的通用语言和关键枢纽，理解并能运用它至关重要。再者，无论是 ChatGPT、Dify 还是其他类似平台，它们集成外部 API 的底层逻辑和操作流程都表现出高度的一致性，这降低了学习新平台的门槛。最后，这也凸显了掌握如 Prompt 设计、API 调用等基础 AI 技能的价值，这些核心能力能让你在快速发展的 AI 领域保持竞争力。
独特深度洞见
从更深层次来看，Reader API 这类工具的出现以及各大平台对 OpenAPI 等标准化集成方式的支持，实际上正在加速 AI 应用的”平民化”和”模块化”。过去，集成外部数据源可能需要复杂的编程和定制开发。如今，通过标准化的 API 和 Schema，即便是非专业开发者也能相对轻松地将各种强大的功能模块（如网页内容提取、图像识别、语音转换等）像搭积木一样组合起来，快速构建出满足特定需求的 AI 应用。这预示着未来 AI 的创新将更多地来自于创造性的应用组合和工作流设计，而非仅仅是底层模型的突破。
如果你对 Prompt 和 Schema 的具体内容感兴趣，或者想了解更多关于 AI 与自动化如何提升工作效率的知识，欢迎访问我的个人网站 axtonliu.ai，在”精英学院”的”免费福利”板块可以下载到本文提到的所有资源。同时，我的《AI 实战派》课程专注于 Prompt Engineering 的深入学习，而《AI 自动化实战营》则聚焦于 AI 与无代码自动化技术的结合，助你打造高效工作流，让 AI 真正成为你手中的强大力量。
我是 Axton，今天的分享就到这里，期待与你在 AI 的世界里共同进步。咱们下期再见！
