请按以下框架回答：问题背景→核心原理→实施步骤→注意事项→参考案例 问题背景：大规模全站链接爬取中，URL数据冗余度高，导致无效请求泛滥、带宽浪费、目标站点负载升高及有效数据污染；传统爬虫缺乏多层级过滤机制，仅依赖简单去重（如set(URLs)），无法识别跨域外链、静态资源路径（.js/.css/.png）、锚点链接（#section）、重复参数URL（?utm_source=a&utm_medium=b vs ?utm_medium=b&utm_source=a）等语义等价但字符串不同的冗余形式。 核心原理：采用“协议-域名-路径-参数-片段”五级结构化解析URL，结合正则预筛+规范归一化+语义去重三层过滤：①正则预筛剔除明显无效后缀；②对query参数按key排序并移除无意义参数（如utm_*、_t、ts）后归一化；③基于页面上下文（如rel="canonical"、hreflang）或Robots协议动态裁剪外链与非主站资源。 实施步骤：①使用urllib.parse.urlparse拆解原始URL；②调用re.sub过滤含.js|.css|.jpg|.pdf|.zip等后缀的静态资源链接；③对query
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要DeepSeek给出更详细的回答，而不是泛泛而谈的结论或几句话带过的要点——比如写方案时缺执行步骤、查技术问题时漏报错处理、做学习计划时没时间节点和资源链接。
强制展开具体层级
在提问末尾直接指定展开深度，不接受概括性描述。
追加指令：“请展开说明第三点中的用户画像构建方法”
追加指令：“用三个层级解释Transformer架构：1）直观类比（如邮局分拣系统）；2）数学原理（自注意力机制公式）；3）工程实现（MultiHeadAttention类源码解析）”
【必须写明层级数量与每层形式】否则模型会默认只输出第一层抽象内容，比如只讲“用户画像包含人口属性、行为数据、兴趣标签”，却不告诉你怎么从埋点日志里提取行为序列、如何用TF-IDF计算兴趣权重。
用结构化模板框定输出
方法一：要求按固定框架组织答案
“请按以下框架回答：问题背景→核心原理→实施步骤→注意事项→参考案例”
方法二：限定要素数量与格式
“列出5种提升Python爬虫稳定性的方法，每条含：①适用场景 ②代码片段（含requests.Session()和retry策略） ③常见失效原因”
方法三：嵌套子任务拆解
第一步：识别当前代码中导致403 Forbidden的HTTP头缺失项
第二步：给出requests.get()调用中需硬编码的headers字典
第三步：说明User-Agent轮换的3种实现方式（静态列表/第三方库/随机生成）及其反爬风险等级
注入真实约束条件
没有约束的问题，模型会按通用路径填充；加上真实限制，它就必须调取匹配知识库并舍弃宽泛答案。
统一LLM网关 - 一个API对接70+AI模型，使用单一API密钥即可调用GPT、Claude、Gemini、Qwen、Deepseek、Grok等主流模型。
错误示范：“怎么优化SQL查询？”
正确写法：“我用MySQL 8.0.33，表user_log有2000万行，字段包括created_at（datetime）、status（tinyint）、region_id（int），当前查询SELECT * FROM user_log WHERE status=1 AND created_at > '2024-01-01' 耗时8.2秒。请给出可落地的索引优化方案，包括：①EXPLAIN结果解读要点 ②联合索引字段顺序依据 ③是否需要分区及分区键选择理由”
【版本号+数据量+字段类型+实际耗时】这四要素缺一不可，否则它可能推荐MySQL 5.7的旧语法，或建议你加全文索引——而这在datetime字段上根本不可行。
指定角色并绑定技术栈
角色决定知识边界，技术栈锁定实现路径。
“作为有5年Python工程经验的后端工程师，只基于requests2.31+ 和lxml5.1 版本回答”
“你是一位熟悉Kubernetes 1.28的SRE，分析Prometheus指标采集延迟问题时，请聚焦kube-state-metrics与metrics-server的采集链路，不要提及已废弃的heapster组件”
这一步能直接过滤掉幻觉内容：模型不会推荐2025年才发布的库，也不会把未合并的GitHub PR当稳定功能讲。
用反向纠错替代重问
发现回答遗漏关键细节时，不要删掉重发，就地修正更高效。
它说：“可用pandas.read_csv()读取CSV文件。”
你回：“第二句错误：未说明encoding参数对中文乱码的影响，请补充gbk/utf-8-sig/utf-8三种编码的实际适配场景及报错特征。”
模型会立刻聚焦该点重写，而不是重新生成整段无关内容。
