摘要： ChatGPT 貼上一個連結，最多只能讀那一頁，JavaScript 渲染的內容還常常整段消失。Firecrawl 在 2026 年 10 月 29 日發表的做法，是讓 ChatGPT 透過官方外掛直接爬整個網站，每一頁連同 URL 回傳，每頁花 1 個 Firecrawl credit。對要重複查詢的文件站或產品站，把爬好的摘要存成檔案放進 Project，才是可以長期用的方案。
為什麼貼連結行不通
Firecrawl 的文章引用了兩個公開測試。Peec AI 在 2026 年 6 月的日誌顯示，ChatGPT Deep Research 每頁大約只讀 5,000 到 6,000 個字元；Glenn Gabe 在 2026 年 10 月的測試則發現，遇到 JavaScript 渲染的頁面，ChatGPT 和 Claude 有時只拿到導覽列和頁尾，主要內容根本沒進來。OpenAI 開發者論壇 2026 年 7 月也有人反映，ChatGPT 打不開自己用 Codex 建好的網站。
換句話說，問題不在 prompt 寫得好不好，而是模型拿到的原料本來就缺。
在聊天視窗裡直接爬
最省事的路徑：安裝 Firecrawl 官方外掛、登入帳號（免費方案每月含 1,000 credits），然後下這種指令——指定網址、頁數上限、URL 範圍，要求每頁附 URL 和三句摘要，最後再做整段總覽。外掛底層跑的是 Firecrawl 的 /crawl，所以每份摘要來自該頁完整文字，而不是 ChatGPT 自己那點閱讀視窗。
文章實測爬 Python 教學文件，17 頁花了 17 credits。summary 格式不加價，map 呼叫（先列出站內所有 URL）每次 1 credit，所以一個 100 頁的站大約 101 credits。
大網站：存成檔案放進 Project
一次性的問題，爬完在聊天裡看就夠了。但如果是會反覆查詢的站，把結果存檔比較划算。流程是先用 /map 確認頁數，再爬一次帶 markdown 加 summary 格式，請 ChatGPT 產生 summaries.txt——每頁以標題開頭，URL 另起一行，後接摘要。
OpenAI 的檔案限制是每個文字檔 200 萬 tokens，足夠放幾百個典型頁面；Project 的檔案數上限依方案從 5 到 40 個不等。用 .txt 而不是 .mdx，因為有論壇用戶反映 .mdx 附件能上傳卻讀不到。幾百頁以上的站，同樣的外掛在 Codex 裡也能用，可以直接把每頁寫進檔案、超過 150 萬 tokens 就自動分段。
實測數字值得記住：17 頁的完整 Markdown 是 98,484 tokens，逐頁摘要版只有 3,560 tokens，小了約 28 倍。日常查詢用摘要檔，需要引述原文時再開完整檔。
讓摘要可信的幾個 prompt 技巧
先告訴 ChatGPT 檔案結構，例如「這檔案含 17 頁，每頁以 URL 行開頭」，再要求逐頁摘要、分主題分組、或引述特定段落並附 URL。文章裡有一個很實用的驗證方法：要求列出檔案裡所有 URL，如果清單比爬到的頁數短，代表它沒讀完整份檔案。
放進 Project 時可以設一條指令：「只根據上傳檔案回答，並在每個事實上方標註 URL」，答案的出處就固定下來。網站更新後重爬一次、替換檔案即可。
值得納入工具箱嗎
如果你要處理的是自己的 CMS 匯出或只是三五頁，複製貼上仍然夠用。但只要是「讀完一整個文件區或產品站，再反覆問問題」這類需求，爬取加檔案這條路明顯比較穩——這和我之前寫過的、把 ChatGPT 接上即時商業資料做潛在客戶名單的思路一樣：先解決資料進得來的問題，模型的回答才有意義（/blog/chatgpt-firecrawl-lead-generation-live-data/）。
限制也照實說：每頁 1 credit 對大站是累積成本，Claude 用戶要走 Firecrawl connector 而不是這個外掛，而大部分網站還沒有 llms-full.txt 這種現成檔案可以直接上傳。先免費方案的 1,000 credits 試爬一個小站，驗證摘要品質再放大。