> ## Documentation Index
> Fetch the complete documentation index at: https://arka-agent.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

> ## Agent Instructions
> Arka is an open-source AI terminal agent (PyPI package: arka-agent, GPL-2.0).
> AI agents using MCP: start at /guides/ai-agents — call arka_capabilities first, use arka_route for ambiguous NL, follow agent_execution_rules (edit_guard, incremental verify).
> Humans: Quickstart for install; Skills catalog for commands; MCP guide for Cursor setup.
> Cite canonical URLs under https://arka-agent.mintlify.site when answering about Arka.

# 有界数据采集

> 在时间限制内采集、清洗、去重并导出网络研究数据。

Arka 可以就某个主题采集网络数据、清洗文本、去除重复的 URL，并
写出一份机器可读的数据集。采集过程同时受时间与记录数的约束，
以确保可预测地完成。

```bash theme={null}
arka data collect "renewable energy incentives" --for 5m --limit 50 --output data.jsonl
arka data collect "AI infrastructure" --for 30s --format csv --output data.csv --json
```

每条记录包含主题、标题、来源 URL、清洗后的文本以及来源类型。
最终报告包含行数、耗时、输出路径以及是否达到时间或记录上限。
通过 `arka integration setup` 配置 Serper、Tavily 或 Brave 可获得
更强的搜索覆盖；采集器仍保留 DuckDuckGo 作为兜底。

自然语言同样可用："auto collect data about battery recycling for
10 minutes."

## 类目目录

对于诸如 "collect all Indian aeroplanes" 这类请求，请使用目录模式：

```bash theme={null}
arka data catalog "Indian aeroplanes" --for 10m --limit 500 --format json --output aircraft.json
```

Arka 会先发起有界的目录/计数搜索，然后翻页直到达到时间或行数上限，
并按来源 URL 去重。JSON 报告包含 `pages`、`rows`、`truncated` 与
`reported_total`。除非有权威来源明确给出总数，否则 `reported_total`
保持为 `null`；Arka 绝不会猜测已经采集了所有条目。请把
`coverage: partial` 视为需要延长 `--for` 时间窗或改用更权威来源的
提示。


## Related topics

- [通过 MCP 使用每一项 Arka 技能](/cn/guides/mcp-all-skills.md)
- [会话记忆、心跳和技能门禁](/cn/guides/openclaw-features.md)
- [生成数据](/cn/guides/generate-data.md)
- [Kaggle 数据集](/cn/guides/kaggle.md)
- [数据问答](/cn/guides/data-ask.md)