flowchart LR
A[Application or RAG pipeline]--> B[Nstdata Crawl API] B --> C[Managed browser, proxy, retry and crawl tasks] C --> D[Markdown, HTML, metadata or resource references] D --> A
flowchart LR
A[Application, API or schedule]--> B[Ready-made or custom Apify Actor] B --> C[Actor runtime and configured crawl logic] C --> D[Dataset or key-value store] D --> A
import os
from nstdata_ai_crawl import NstDataClient, ScrapeRequestDto, Format
with NstDataClient(os.environ["NSTDATA_API_TOKEN"])as client: result = client.submit_scrape_task_sync(ScrapeRequestDto( url="https://example.com/", formats=[Format.MARKDOWN], timeout=60000, onlyMainContent=True,))print(result.data.get_markdown())
第二个代码片段运行 Apify 的 特定第一方 Actor，限制为一个页面，然后读取其数据集：
import os
from apify_client import ApifyClient
client = ApifyClient(os.environ["APIFY_API_TOKEN"])run = client.actor("apify/website-content-crawler").call(run_input={"startUrls":[{"url":"https://example.com/"}],"maxCrawlPages":1,"saveMarkdown":True,})if run isNone:raise RuntimeError("Actor did not complete within the client wait period")for item in client.dataset(run["defaultDatasetId"]).list_items().items:print(item.get("markdown")or item.get("text")or"")
Apify 当前的 Python 客户端文档显示了跨版本的对象风格和字典风格运行示例。在本地烟雾测试中确认已安装客户端的运行对象形状。重要的区别在于架构：Nstdata 返回抓取响应；Apify 启动一个 Actor 并检索数据集项。
错误处理和生产就绪
对于 Nstdata，HTTP 200 可能意味着“任务已接受”，而不是“页面可用”。检查嵌套的 success、status、页面状态代码和非空内容；对于大型有效载荷，遵循引用。对于 Apify，检查 Actor 运行状态，然后检查数据集行和每页输出。在任何情况下，区分传输错误、目标 403/404、空体以及您处理的内容被截断的有效页面，以及没有相关文本的有效页面。仅对临时故障进行重试，限制总尝试次数，并保留包含 URL、供应商作业 ID 和原因的死信记录。
哪个更适合初创公司、开发者和企业团队？
团队规模是一个弱代理。根据您需要多少工作流自定义以及谁将维护它来做出选择。
团队/工作负载
第一个测试选项
决策问题
单人原型，少量公共 URL
Nstdata 或现成的 Apify Actor
哪个在设置您的 URL 时生成可用的 Markdown 更少？
刷新文档 RAG 索引的初创公司
两者
网站发现、清理和刷新行为是否符合索引的质量标准？
扩展数据团队与多个目标
两者都有，带适配层
大部分工作是标准化的，还是每个目标需要自定义逻辑？
专业收集团队
Apify 自定义 Actor 或混合
您是否需要对导航和提取进行代码级控制？
企业计划
同时试点；审查合同
哪个在书面上满足支持、安全性、并发和成本要求？
独立开发者和小型初创公司
对于一个小的概念验证，比较第一个可用页面和第一个完整的文档爬取。Apify Store Actor 的配置速度可以和 API 请求一样快；Nstdata 可能更容易嵌入到现有服务中。试用积分有助于评估适合度，但免费层的结果并不能预测生产单位成本。
扩展 AI 和数据工程团队
周期性 RAG 更新需要确定的范围、去重、结果存储和监控。Nstdata 的通用 API 可以简化标准化的摄取工作。Apify 的数据集、调度和运行工具可以减少编排代码。评估每个选项给团队留存的维护工作量。
迁移工作负载，而不是一次性迁移整个平台。决定性的问题是当前 Actor 是否主要检索 Web 内容或编码特定于业务的自动化。
Nstdata 能否替代您现有的 Apify Actor？
现有 Actor 行为
可能的 Nstdata 路径
主要差距验证
获取 URL → 清理的 Markdown
单页爬取
内容保真度，元数据映射
爬取文档部分
网站爬取
发现，排除，增量更新
处理提供的 URL 列表
并发异步爬取任务
队列，速率限制；没有独立的批量 URL API
点击通过自定义多步骤流程
根据情况评估浏览器操作
逻辑可能需要保留在自定义 Actor 中
爬取 + 丰富 + 调用其他系统
爬取加上您的应用程序工作流
Nstdata 不是一个 Actor 运行时
API、数据模式和任务迁移
Apify 使用者通常发送 Actor 输入，等待运行，并读取数据集行。Nstdata 使用者发送爬取/爬网参数，当异步时轮询任务 ID，解析任何 markdownRef，并映射元数据。如果移除，Apify 的调度和 Webhook 需要一个调度器和轮询工作者。在切换之前，清点每个 Actor 输入、数据集字段、存储 URL、回调、警报和下游转换。在验证期间，将旧 Actor 保留在功能标志后面。
