源码深度学习 · 零基础友好 · 20 天

Crawl4AI 源码学习

为 LLM/Agent 设计的开源爬虫与网页清洗流水线。这不是 API 速查表，而是一条可以重复走的源码路线：每天用 30 分钟，从一个真实相对路径出发，先用类比建立直觉，再把它接回整条运行链路。

00

开篇 · 这是个什么项目

Crawl4AI 可以先想成一间LLM 友好的爬虫车间。它的代码不是一堆孤立文件：入口接到需求，核心对象做判断，工具或模型完成工作，状态把结果交给下一个环节。

💡 20 天的主线先找入口和地图，再跟一次真实任务穿过核心循环；随后研究状态、模型、工具与扩展；最后用复盘把全部概念连成一张可迁移的地图。不要背目录名，要不断问「谁创建它、它把什么交给谁」。
大白话读源码像参观工厂：第一天先看门牌和楼层，不急着拆机器。后面每节课只打开一个焦点路径，但始终知道它属于哪层、服务哪个业务动作。
01

架构全景（动起来看）

发光扫过的每一层都是一次任务可能经过的站点。不同仓库命名不同，但「接入 → 编排 → 核心能力 → 资源」的责任边界很相似。

L5 · 接入层
README.md本层职责
app.py本层职责
app.js本层职责
cli.py本层职责
L4 · 编排层
模块本层职责
L3 · 能力层
browser本层职责
test_browser_context_id.py本层职责
test_browser_manager.py本层职责
test_browser_manager_close.py本层职责
L2 · 状态层
memory本层职责
cap_test.py本层职责
test_crawler_monitor.py本层职责
test_dispatcher_stress.py本层职责
L1 · 扩展层
pyproject.toml本层职责
server.py本层职责
mcp本层职责
test_mcp_socket.py本层职责
输入用户任务→组织对象 / 流程→执行模型 / 工具→沉淀状态 / 记忆
设计取舍分层会增加跳转文件的次数，却让每层只承担一种职责：入口容易替换，核心逻辑能测试，模型与外部工具可插拔。读代码时先沿箭头追「数据」而不是追每一个类。
02

怎么使用这份教程

⏱️

每天 30 分钟

6 讲，每讲先问问题，再给本质和大白话。

📍

真实相对路径

所有路径都从项目根目录算，不把你的机器路径写进源码引用。

🧪

先验证再推理

每页都有可复制 bash 命令；文件版本变化时以本地实际内容为准。

🧭

可迁移方法

学会从入口、数据结构、循环和扩展点读任何 AI 项目。

S1

阶段 1 · 入口与地图

D01-D03 · 先认清入口、配置与顶层分工
01

从 README.md 认识项目大门

README.md：围绕 README.md 建立因果链：谁调用、处理什么、交给谁；对应阶段是「入口与地图」。

≈30 min · 6 讲开始学 →
02

配置与依赖：pyproject.toml

pyproject.toml：围绕 pyproject.toml 建立因果链：谁调用、处理什么、交给谁；对应阶段是「入口与地图」。

≈30 min · 6 讲开始学 →
03

顶层入口与启动路径

docs/examples/website-to-api/app.py：围绕 docs/examples/website-to-api/app.py 建立因果链：谁调用、处理什么、交给谁；对应阶段是「入口与地图」。

≈30 min · 6 讲开始学 →
S2

阶段 2 · 核心循环

D04-D06 · 抓住对象怎样接力工作的主线
04

核心对象：server.py

docs/examples/c4a_script/tutorial/server.py：围绕 docs/examples/c4a_script/tutorial/server.py 建立因果链：谁调用、处理什么、交给谁；对应阶段是「核心循环」。

≈30 min · 6 讲开始学 →
05

运转循环里的 app.js

docs/examples/c4a_script/tutorial/playground/app.js：围绕 docs/examples/c4a_script/tutorial/playground/app.js 建立因果链：谁调用、处理什么、交给谁；对应阶段是「核心循环」。

≈30 min · 6 讲开始学 →
06

协作主线穿过 cli.py

crawl4ai/cli.py：围绕 crawl4ai/cli.py 建立因果链：谁调用、处理什么、交给谁；对应阶段是「核心循环」。

≈30 min · 6 讲开始学 →
S3

阶段 3 · 核心能力

D07-D10 · 沿业务闭环进入关键模块
07

能力模块：browser

tests/browser：围绕 tests/browser 建立因果链：谁调用、处理什么、交给谁；对应阶段是「核心能力」。

≈30 min · 6 讲开始学 →
08

业务动作落在 test_browser_context_id.py

tests/browser/test_browser_context_id.py：围绕 tests/browser/test_browser_context_id.py 建立因果链：谁调用、处理什么、交给谁；对应阶段是「核心能力」。

≈30 min · 6 讲开始学 →
09

把任务交给 test_browser_manager.py

tests/browser/test_browser_manager.py：围绕 tests/browser/test_browser_manager.py 建立因果链：谁调用、处理什么、交给谁；对应阶段是「核心能力」。

≈30 min · 6 讲开始学 →
10

扩展点附近的 test_browser_manager_close.py

tests/browser/test_browser_manager_close.py：围绕 tests/browser/test_browser_manager_close.py 建立因果链：谁调用、处理什么、交给谁；对应阶段是「核心能力」。

≈30 min · 6 讲开始学 →
S4

阶段 4 · 状态与协作

D11-D13 · 理解消息、状态、存储如何流动
11

状态如何进入 memory

tests/memory：围绕 tests/memory 建立因果链：谁调用、处理什么、交给谁；对应阶段是「状态与协作」。

≈30 min · 6 讲开始学 →
12

消息与协作：README.md

tests/memory/README.md：围绕 tests/memory/README.md 建立因果链：谁调用、处理什么、交给谁；对应阶段是「状态与协作」。

≈30 min · 6 讲开始学 →
13

持久化视角下的 cap_test.py

tests/memory/cap_test.py：围绕 tests/memory/cap_test.py 建立因果链：谁调用、处理什么、交给谁；对应阶段是「状态与协作」。

≈30 min · 6 讲开始学 →
S5

阶段 5 · 模型与扩展

D14-D17 · 连接模型、工具、记忆与 RAG
14

模型侧连接：server.py

docs/md_v2/apps/c4a-script/server.py：围绕 docs/md_v2/apps/c4a-script/server.py 建立因果链：谁调用、处理什么、交给谁；对应阶段是「模型与扩展」。

≈30 min · 6 讲开始学 →
15

工具/MCP 桥：server.py

docs/md_v2/marketplace/backend/server.py：围绕 docs/md_v2/marketplace/backend/server.py 建立因果链：谁调用、处理什么、交给谁；对应阶段是「模型与扩展」。

≈30 min · 6 讲开始学 →
16

检索与知识：mcp

tests/mcp：围绕 tests/mcp 建立因果链：谁调用、处理什么、交给谁；对应阶段是「模型与扩展」。

≈30 min · 6 讲开始学 →
17

集成层：test_mcp_socket.py

tests/mcp/test_mcp_socket.py：围绕 tests/mcp/test_mcp_socket.py 建立因果链：谁调用、处理什么、交给谁；对应阶段是「模型与扩展」。

≈30 min · 6 讲开始学 →
S6

阶段 6 · 复盘与扩展

D18-D20 · 把能力串成可演进的工程
18

样例与复盘：test_mcp_sse.py

tests/mcp/test_mcp_sse.py：围绕 tests/mcp/test_mcp_sse.py 建立因果链：谁调用、处理什么、交给谁；对应阶段是「复盘与扩展」。

≈30 min · 6 讲开始学 →
19

测试与边界：test_crawler_monitor.py

tests/memory/test_crawler_monitor.py：围绕 tests/memory/test_crawler_monitor.py 建立因果链：谁调用、处理什么、交给谁；对应阶段是「复盘与扩展」。

≈30 min · 6 讲开始学 →
20

收官：沿 test_dispatcher_stress.py 串回全图

tests/memory/test_dispatcher_stress.py：围绕 tests/memory/test_dispatcher_stress.py 建立因果链：谁调用、处理什么、交给谁；对应阶段是「复盘与扩展」。

≈30 min · 6 讲开始学 →