用实时网页数据构建 AI Agent——Bright Data 的 Yohan Raju

该演讲演示了一个产品情报 Agent 的工作流：检查 Amazon 商品页、在 Reddit 搜索同一款保温杯的讨论，并将两类来源整合为购买建议。Yohan Raju 使用 Bright Data API 与 Gemini 实现该流程，说明 Agent 为何需要新鲜、结构化的证据，而不能完全依赖模型或检索系统中已有的信息。演示会收集价格、评分和商品详情，加入客户情绪，再让模型解释推荐理由。在动手环节之前，Raju 还介绍了抓取流水线背后的工作：发现页面、应对选择器变化、管理浏览器与代理基础设施、校验返回字段并向下游交付干净记录，并对比了 Agent 驱动的采集方式，同时介绍 Bright Data 的 MCP server 作为搜索与页面抽取接口。

AI推荐理由 这是一场技术演讲，演示了用 Bright Data API 和 Gemini 构建产品情报 Agent 的工作流：抓取 Amazon 商品页、检索 Reddit 讨论，再让模型给出购买建议。具体新信息在于把实时网页数据接入 Agent 的工程细节，包括页面发现、选择器变化处理、浏览器与代理基础设施、字段校验和下游交付，并介绍 Bright Data 的 MCP server 作为搜索与页面抽取接口。局限是内容以演示和厂商工具推广为主，未提供可验证的效果数据或独立评测，实际可靠性无法据此判断。