問 ChatGPT 某家公司上一季的財報數字，它的做法是搜尋開放網路、找到一篇討論該財報的頁面、然後摘要那頁。你拿到的是二手轉述，而財報本體躺在模型根本呼叫不到的供應商 API 裡。Firecrawl 在 2026 年 9 月 29 日宣布，Alexandria 現在以 ChatGPT 外掛的形式上線，ChatGPT 與 Codex 可以直接觸及 100 多家資料供應商，加上 Firecrawl 自己的 Research、Developer、Government 三個索引，與原本就有的即時網路搜尋並行使用。
答案來源從「討論資料的頁面」變成「資料本身」
這個限制其實一直在塑造 agent 的能力邊界：當開放網路上已經有人寫過某個主題，agent 答得很好；當答案取決於一手資料——法規申報、監管文件、資料集原始紀錄——它只能靠某篇網誌碰巧引用的數字。
Alexandria 的做法是讓 agent 直接取得供應商的原始資料，並且是在與資料維護方簽有協議的前提下進行。一次請求就能找到資料來源、顯示裡面有什麼、收費多少，然後把資料拉回來。根據 Firecrawl 自己公布的評測，在 845 個任務上、使用相同模型與提示詞、以盲測 AI 評判的條件下，使用 Alexandria 的 agent 在答案品質上比使用內建網路工具的 agent 高出 21%。
這正好延續了我先前寫過的方向——Alexandria 把資料來源變成一個介面（/blog/alexandria-unified-data-source-api/）。這次差別在於它不再需要你寫整合程式碼，而是直接放進了對話介面。
三步流程與免費的探索層
實際使用遵循三個步驟：找到工具、確認輸入與價格、執行。你問一個開放網路答不好的問題，例如「找出過去一週發布的遠端軟體工程職缺，附薪資與申請連結」，外掛會搜尋合適的工具、讀取它的輸入與定價、然後呼叫。你會看到它選了哪個工具、資料花了多少錢。
設計上有一個值得注意的細節：探索是免費的。你可以先問「列出涵蓋聯邦合約撥款資料的供應商，附上每次呼叫的單價」，ChatGPT 會回報供應商、能力與價格，再由你決定要不要花錢。同一套模式覆蓋研究論文、公司申報、政府支出紀錄、播客逐字稿、套件註冊庫與房地產；當沒有供應商符合需求時，外掛退回網路搜尋與爬取，不會讓問題卡死。
Codex 拿到的是 Developer Index
Codex 端的重點不同。它拿到的是建構在公開儲存庫、GitHub issues、已合併的 pull requests、README 與程式碼文件之上的 Developer Index。像「怎麼用 uv 而不是 pip 安裝 pydantic」這種問題，答案通常在 issue 討論串或某個已合併的修正裡，而不是官方文件。Developer Index 直接搜尋這些材料，把對應段落交給 Codex。Firecrawl 也觀察到，這個索引在 Codex 的使用量最高，因為關於程式庫實際行為的問題，解釋往往就藏在 issue 裡。
導入前先看兩件事
計費模式很單純：發現與檢視免費，執行才按工具標價收費。但有一個組織層面的注意點——部分供應商要求先接受其條款，而接受條款會約束整個組織。預設是由管理員在 Firecrawl dashboard 接受；如果組織啟用了 agent 代為接受，ChatGPT 會先展示條款再接受，否則會把管理員導向 dashboard。
使用前提是必須安裝 Firecrawl 外掛並連結 Firecrawl 帳號，無金鑰的 session 無法使用。已安裝官方外掛的話，下一輪對話就能用上。
實際的下一步很簡單：裝好之後，丟一個你過去只能靠二手摘要回答的問題——例如某公司的季報——然後觀察它選了哪個供應商、報價多少。這個觀察會直接告訴你，你的使用場景裡，一手資料的取用權值多少錢。
參考來源
本文由 AI 協助自上述來源整理，經人工審核後發布。