待验证50% 置信观点时间未知

现代网页的HTML动辄数万行，其中有效信息可能只占10%

1

来源数

50%

置信度

长期有效

时效性

2026/5/31

首次发现

来源

Hermes Agent + Playwright：AI驱动浏览器自动化实战指南

bilibili晓鹏的窝

涉及实体

相关事实

待验证典型网页中导航栏、广告、侧边栏等无关内容可能占据数千个token，而真正有价值的信息仅占其中10-20%79% 相似待验证互联网上可用的高质量文本数据总量主流估计约为10^13到10^14个token73% 相似待验证普通网页中真正有价值的信息可能只占内容的10-20%，80%以上的token开销被浪费在信息噪声上71% 相似待验证深网（Deep Web）内容占据互联网总信息量的90%以上，无法被常规爬虫索引70% 相似待验证一个普通网页的原始HTML往往包含数万个Token的冗余内容，包括CSS样式表、JavaScript代码、广告脚本、导航菜单等70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/3108

API

curl https://kongchang.com/api/v1/knowledge/claims/3108

MCP

get_claim(id=3108)