标签
Codeberg正在更新其服务条款，明确禁止为训练大型语言模型而提取数据（LLM-extrusions），旨在保护平台上的存储库免受未经授权的使用。
SurfSense 是一个面向 AI 智能体的开源竞争情报平台，提供实时抓取连接器，支持 Reddit、YouTube、Instagram、TikTok、Google Maps、Google 搜索等，并配有 REST API 和 MCP 服务器。
推荐一个名为TikHub的网站，提供海内外全平台社交媒体API，价格极低，覆盖Twitter、小红书、TikTok、抖音、Reddit等，可用于数据爬取、监控、选题搜集等。
开源项目 Agent Reach 让 AI Agent 无需复杂配置即可接入 14 个互联网平台，解决了 Agent 获取数据的痛点。
AgentKey 是一个对小白友好的工具，让 AI 代理可以稳定抓取 X（推特）和小红书等平台的数据，无需手动配置 cookie 或管理 API，只需一个 key 即可使用。
据报道，从 Pokémon Go 扫描中收集的数据被用于训练军用无人机的导航技术，引发了关于消费者数据被意外用于军事目的的担忧。
推广一个GitHub仓库，用户可以用自然语言描述数据集，由AI智能体研究网络，构建结构化表格，可导出为CSV，并支持自动刷新。
BigSet 是一个开源工具，输入一句话描述所需数据，它会派出多个 AI Agent 并行在网络上调研，自动推断 schema、去重、验证并生成结构化表格，支持定时刷新。
一位数据爱好者抓取了《创始人播客》的所有节目，以图表形式呈现了主持人大卫·塞拉（David Senra）如何记录他与创始人的晚餐会面，结果显示其社交日程日益密集，晚餐时长中位数为3小时。
作者开源了一个用于获取币安聪明钱数据的工具，可通过npm安装使用，提供包括鲸鱼平均持仓成本等在内的专业数据。
介绍如何利用 XCrawl 和 Hermes Agent 搭建无需编码的自动化情报收集工作流，涵盖竞品监控、Twitter 互动雷达、亚马逊商品监控等场景。
一位房地产批发商构建了一个名为 zillow-full 的 OpenClaw 技能，用于自动化房产调研，通过使用 AI 根据个人标准对房源进行评分，将交易量从每月 2 笔增加到 11 笔。
本文是一个视频教程，演示如何使用 CodeX AI 助手和 Twitter CLI 工具，在无需 API Key 的情况下从 X 平台抓取数据并转换为 Markdown 格式。
加拿大联邦和省级隐私监管机构认定，OpenAI在未经适当同意的情况下抓取大量个人数据以训练ChatGPT，违反了隐私法。