Expand Fetch上线：给AI Agent“看网页”的能力，正在从抓取变成可核验阅读

当AI Agent需要查网页、比价格、读文档或抽取网页里的结构化信息时，真正的难点并不只是“打开一个URL”。10月12日，YC Launch页面显示，expand.ai推出了Expand Fetch：用户发送URL后，它会返回更适合Agent使用的Markdown、页面中隐藏的JSON，以及可引用的页面快照。

背景：网页不是天然适合Agent阅读的文本

很多Agent工作流会把网页先转换成Markdown，再交给模型推理。但网页里常见的表格、图标、导航、脚注、价格勾选项、嵌入JSON和动态渲染内容，都会在粗糙转换中丢失或错位。结果是模型看似读到了页面，实际却可能把“不可用”理解成“可用”，或者漏掉关键的结构化数据。

Expand Fetch的产品表述强调三件事：用自研视觉模型Iris观察渲染后的网页并写出Markdown；用X-Ray提取页面中有用的隐藏JSON；每次抓取都生成快照，并让内容能够回链到网页位置。这些能力本质上是在给Agent补一层“可复查的阅读证据”。

产品逻辑：从爬虫接口变成Agent的证据层

传统网页抓取API更像“把HTML拿回来”；Expand Fetch试图把返回结果整理成Agent可直接使用的工作材料。对开发者来说，这类产品的价值不只在节省Token，还在于减少错误归因：当Agent答案不对时，团队可以追溯是页面加载失败、转换丢字段，还是模型推理出错。

YC发布信息中还提到其基准测试里，使用其Markdown时Agent答题准确率高于其他API，并提供按抓取计费的公开价格。这里需要注意：这些数据来自厂商发布，适合用于理解产品定位，但在生产环境仍应结合自己的页面类型、语言、登录态和合规要求做测试。

影响：RAG和Agent会更重视“网页可观测性”

• 对Agent开发者：网页读取层可能成为独立基础设施，而不是随手写一个爬虫脚本。
• 对企业知识库：引用、快照和结构化提取有助于审计AI答案来源，降低“模型编造网页事实”的风险。
• 对网站运营者：页面结构、可访问性和隐藏数据会影响AI系统如何理解内容，SEO之外可能出现“Agent可读性”优化。

适合哪些人关注

正在做RAG、搜索增强问答、价格监控、竞品情报、浏览器Agent、客服知识库和网页数据抽取的团队，都值得关注这类“网页理解API”。评估时建议重点看中文页面、复杂表格、登录后页面、引用粒度、快照保存策略和数据合规条款。

来源参考

• Y Combinator Launch：Expand Fetch
• expand.ai官方站点
• expand.ai公开给Agent读取的站点索引

本文基于公开资料独立整理与分析，未复制或洗稿任何单篇报道。