几周前，我们团队 Slack 里有人丢来一个链接，顺手问了一句：“等等，这也是那个 Ferret 吗？”答案是否定的。原来，Apple 有个叫 Ferret 的视觉模型，NOAA 也有个叫 Ferret 的数据工具，而 MontFerret 则是一个开源的浏览器自动化框架，开发者会用一种叫 FQL 的语言写抓取脚本。它们彼此毫无关系。如果你现在正在搜“Thunderbit vs MontFerret”，大概率也已经被这个名字绕晕过一次了。
所以我们先把概念理清：我是 Thunderbit 的负责人，这篇文章只讨论 Thunderbit 和 MontFerret 这个项目本身——也就是 montferret.dev 上那个声明式网页抓取项目。不是 Apple 的那个，也不是 NOAA 的那个。说实话，抛开这些命名混乱之后，这组对比其实很有意思，因为 Thunderbit 和 MontFerret 并不是在争同一类用户，它们解决的是不同人群的不同问题，而这才是重点。
快速结论
如果你想先看结论，再往下细读： Thunderbit 是一款托管式的智能网页爬虫，能把任意页面快速转成结构化数据，覆盖浏览器扩展、Web App、Open API、MCP Server 和 CLI。MontFerret 则是一个开源浏览器自动化框架，你需要用 FQL（Ferret Query Language）写查询，来抓取页面并与页面交互。
在继续之前我再强调一次，免得有人又花 20 分钟走弯路：这里讨论的只有 MontFerret 项目本身，不是 Apple 的 Ferret 视觉模型，不是 NOAA 的 Ferret 数据可视化工具，也不是你在 Google 里随手搜到的其他任何“Ferret”。只谈 montferret.dev。
一览对比
| Thunderbit | MontFerret | |
|---|---|---|
| 主要用户 | 非技术业务用户（销售、运营、GTM）以及开发者 | 开发者/工程师 |
| 上手方式 | 安装扩展或打开 Web App | 安装 Go/Ferret 运行环境，配置 Chrome 调试端口 |
| 操作界面 | 点击 One Click Extract，其余交给智能代理 | 用 FQL 针对 DOM/CDP 编写查询 |
| 查询语言 | 无——用自然语言补充字段说明 | FQL（灵感来自 ArangoDB AQL） |
| 浏览器自动化 | 在兼容且已授权的页面上托管执行 | 通过 Chrome DevTools Protocol 自主管理 |
| 抓取逻辑 | 智能分析页面 | 由你手写选择器、循环、过滤逻辑 |
| 部署方式 | 浏览器扩展 / Web App / 云端 | 自托管，由你掌控基础设施 |
| 定时执行 | 在符合条件的方案中支持 | 需要自己搭建和维护 |
| 维护工作 | 由产品承担 | 由你的团队承担 |
| 许可证 | 付费 SaaS（按额度/方案） | 开源，运行本身免费 |
| 总成本 | 订阅费用 | “软件免费”，但还有基础设施和工程人力成本 |
Thunderbit 是什么？
我给很多从来没抓取过网页的人解释 Thunderbit 时，通常会这么说：你打开一个你有权限访问的页面，点一下按钮，Thunderbit 就会判断这个页面里哪些数据最重要。
实际流程是这样的：你点击 One Click Extract。我们的代理会识别页面、读取内容、分析结构，并自动准备它认为有价值的字段，比如商品名、价格、联系方式，或者页面里实际提供的任何信息。然后它会显示 Run Now。你可以立刻点击开始，也可以……什么都不做，它会自动启动。就这么简单。一次有意识的点击，不用搭建 schema，不用写选择器，不用写代码。
这就是 Thunderbit Chrome Extension 的工作方式，也是大多数人第一次接触到的入口。但它不只是扩展程序。如果你想进一步优化抓取结果——比如让它补抓某个遗漏字段，或者重新格式化某些内容——你可以直接用自然语言指令来调整。Thunderbit 还会在支持的页面上自动处理兼容的分页和子页面补充，并支持导出到 Excel、Google Sheets、Airtable 或 Notion。
对于开发者来说，Thunderbit 还有更多能力：用于云端抓取的 Thunderbit Web App、用于程序化访问的 Open API、可接入 Claude 或 Cursor 等 AI Agent 的 MCP Server，以及适合终端或代码型代理工作流的 CLI。所以，虽然浏览器扩展是它最无门槛的入口，但 Thunderbit 绝不只是一个浏览器小工具，而是一个完整的数据抓取平台，提供多种接入方式。
这里也要坦白说明一点，避免过度宣传：“一键”只适用于你有权限访问且兼容的页面。它并不能保证绕过所有反爬系统、登录墙，或者网站抛出的各种奇怪边缘情况。
MontFerret 是什么？
MontFerret 则完全是另一种东西，而且我其实很认可他们做出来的内容。它是一个开源的声明式网页抓取系统，你不需要点按钮，而是要用 FQL——Ferret Query Language——来写查询，官方把它描述为受 ArangoDB 的 AQL 启发。
根据官方文档，这套系统包含几个核心部分：FQL 解析器、编译器、运行时、标准库、用户函数注册表、内存 HTML 驱动、Chrome DevTools Protocol（CDP）驱动，以及命令行接口。听起来组件很多，确实如此——但这正是它的设计思路。MontFerret 是为那些希望在代码层面精细控制抓取过程的开发者准备的。
凡是涉及 JavaScript 渲染内容或真实浏览器交互的场景，你都需要先启动 Chrome 或 Chromium，并打开调试端口，让 MontFerret 通过 CDP 与它通信。配置好之后，你的 FQL 查询就可以表达循环、过滤、类似 CSS 的选择器、页面跳转、点击/输入交互，以及结构化返回值——本质上就是一层把浏览器自动化逻辑包起来的查询语言。
它的取舍也很明确：MontFerret 虽然帮你抽象掉了很多底层浏览器和网络细节，但你仍然要学习 FQL、编写和测试查询，并自己运维运行环境。这里没有那种“点一下它就自己找字段”的体验。你每次都得明确告诉它要做什么。
核心区别：托管式智能产品 vs 查询语言框架
首次拿到结构化结果的时间
这是差异最明显的地方。用 Thunderbit，从开始到拿到结果通常只要几秒：点击 One Click Extract，让代理分析页面，然后任务自动运行；Run Now 只是可选项。用 MontFerret，你得先写查询。哪怕是一个简单的 FQL 脚本，也要理解选择器、查询语法，以及 CDP 驱动在目标页面上的运行方式。这并不是说 MontFerret 不好，而是它从起点上就完全不同：一个是“让代理自己判断”，另一个是“你明确指定它怎么做”。
自定义浏览器自动化与控制力
换个角度看，MontFerret 在精度上更强。如果你需要一个执行非常具体动作的爬虫，比如多步骤表单填写、基于页面状态的条件逻辑、自定义重试行为，FQL 能给你这一级别的控制，因为逻辑是你自己写的。Thunderbit 的智能方式非常适合“把这个页面里有用的信息提取出来”，但它并不是为通用浏览器脚本语言设计的。如果你的场景需要跨多个页面流程的定制分支逻辑，那更适合 MontFerret。
部署与维护归属
这里是很多人低估的部分。使用 Thunderbit 时，当网站页面结构变化，智能提取会重新分析页面，因此对布局变化的适应能力更强——不过我还是要再次说明，这不代表它能保证适配每一次改版。使用 MontFerret 时，如果网站 DOM 结构发生变化，你写的 FQL 选择器就可能失效，而且需要你团队里的某个人去发现、排查、修复。这就是手写爬虫长期存在的工程维护成本，不管它是不是开源。
实战场景
一次性的业务提取需求
假设销售运营同事当天要从某个目录网站整理一份公司名单，而且没有工程师能帮忙。Thunderbit 就是为这种情况设计的：打开页面，点击 One Click Extract，导出到 Google Sheets，然后继续干别的事。没人会为了这种一次性任务去写 FQL。
开发者编写的可重复浏览器自动化
再假设一个工程团队要搭建监控流程，每晚检查竞争对手的定价页面，解析特定的嵌套数据，并把结果连同自定义转换逻辑推送到内部系统。这时 MontFerret 的声明式查询方式就很适合：你只写一次 FQL，清楚知道它会做什么，并且整个流程都由你掌控。
动态多步骤站点流程
对于需要登录流程、多页导航，以及根据屏幕内容做条件判断的网站，MontFerret 的 CDP 驱动和明确的查询逻辑能让你精确编排这些操作。Thunderbit 可以在支持且已授权的页面上处理兼容分页和子页面补充，但它并不是为任意多步骤浏览器工作流设计的通用脚本工具。
API 或 AI Agent 集成
如果你在构建一个 AI Agent，需要在更大的工作流中拉取结构化网页数据，Thunderbit 的 MCP Server 可以直接接入 Claude Code 或 Cursor 这类工具。MontFerret 当然也能被脚本化接入自定义技术栈，但那层集成需要你自己搭，而不是直接使用现成连接器。
可靠性、灵活性与维护
这部分我会讲得直接一点，因为很多对比文章在这里最容易偷懒。Thunderbit 的智能页面理解确实很有价值，因为它减少了硬编码选择器带来的维护负担——代理会重新读取页面结构，而不是依赖一条脆弱的 CSS 路径，等网站一改版就全坏掉。不过“智能”并不等于“魔法”。它只在兼容且已授权的页面上工作，而且肯定会有一些网站和场景，它抓到的结果不会完全符合你的预期。
MontFerret 的显式查询/自动化逻辑在某种意义上更可预测——因为你自己写的，所以你知道它到底会做什么——但代价是，当底层页面变化时，它也更脆弱。如果网站把一个 div 换成 section，你的选择器可能悄悄失效，而你甚至要等到数据返回空值或者错误后才发现。
这两种工具都不会，也不应该宣称自己能无视所有反爬机制。凡是这么说的工具，我都会保持怀疑。二者都只能在你有权访问的范围内使用。
价格、许可证与总成本
“开源免费”这个标签在这里很容易让人误解，所以我觉得有必要直接说清楚。
MontFerret 是开源项目——在正式使用前最好先去它们的仓库确认当前的具体许可证，因为这类信息理论上可能会变动——但大体上，核心框架本身没有订阅费。不过，“免费”只指软件许可免费。你仍然要自己准备和托管计算资源，运行并维护 Chrome/Chromium 实例，在抓取量上来后管理代理，搭建故障监控，还要付工程师薪资去编写和维护 FQL 脚本。
Thunderbit 则采用付费方案结构——具体价格请查看当前的 Thunderbit Pricing 页面，因为这些信息也会随时间调整——但这个费用已经包含托管浏览器/云端执行、智能提取逻辑、导出能力以及 API/MCP/CLI 访问。你不需要额外操心基础设施账单。
| 成本因素 | Thunderbit | MontFerret |
|---|---|---|
| 许可证成本 | 付费 SaaS（按额度/方案） | 免费，开源 |
| 基础设施成本 | 已包含在方案内 | 需要你自行部署/托管服务器、Chrome、代理 |
| 工程人力成本 | 很低——无需写代码 | 持续投入——编写、测试、调试 FQL |
| 维护负担 | 由产品承担 | 由你的团队承担 |
真正的问题不是“哪个更便宜”，而是“你希望成本体现在哪里”。Thunderbit 的成本体现在每月账单上。MontFerret 的成本体现在你工程团队的日程表里。
谁更适合用 Thunderbit？
如果你是非技术团队成员，现在就需要数据，而且手头没有工程资源，Thunderbit 显然更合适。同样适用于任何一次性或周期性业务数据提取场景，只要“零配置”比细粒度控制更重要。还有，如果你已经在搭建 AI Agent 工作流，并希望通过 MCP 或 CLI 接入抓取能力，而不想自己写一层集成，Thunderbit 也正好适合这个方向。
谁更适合用 MontFerret？
如果你是开发者，正在构建可重复运行、并且要进入 CI/CD 的抓取流水线；或者你出于数据驻留、合规等原因必须自托管基础设施，那 MontFerret 的声明式方式和完整基础设施控制权就很有意义。如果你的团队也有足够的工程带宽长期维护 FQL 脚本，而且确实想要这种级别的浏览器自动化控制，那它会更匹配。
团队能不能两个都用？
当然可以，而且我不觉得这是敷衍的答案。我见过这样的架构：技术团队用专门的、可重复的 FQL 任务来跑核心数据流水线，这些流程需要严格、可版本控制的逻辑；而同一团队里的业务人员则用 Thunderbit 做临时调研、快速导出，或者试探性数据提取——这些场景并不值得为此写一段定制脚本。它们并不是互相替代的工具，而是处在同一类数据运营体系的不同层级。我不会假装它们之间有官方集成，因为确实没有，但从架构角度看，这样分工完全合理。
结论
如果要我用一句话概括：按“谁来做”和“有多少时间”来选。如果是非技术人员，需要在十分钟内拿到一张数据表，Thunderbit 毫无疑问更胜一筹，几乎没有悬念。如果是工程师，想要一个声明式、自托管、可版本管理的抓取流水线，并且不介意长期承担维护，MontFerret 也是一个非常不错的开源选择。
这不是“一个工具碾压另一个工具”的问题，如果我这么说，那是在误导你。真正的问题是：你到底要解决什么。
常见问题
这里讨论的是哪个 Ferret 项目？
这里讨论的是 MontFerret，也就是 montferret.dev 上那个开源的声明式网页抓取框架。它与 Apple 的 Ferret 视觉模型、NOAA 的 Ferret 数据可视化工具，或任何其他同名项目都无关。
MontFerret 是开源的吗？
是的，MontFerret 是开源项目。核心框架本身没有许可费用，但在商业场景中使用前，建议先到仓库确认最新许可证条款，因为即使软件免费，基础设施和工程成本依然存在。
Thunderbit 支持 API 和 MCP 集成吗？
支持。Thunderbit 提供用于程序化访问的 Open API，以及可把 Thunderbit 的提取能力连接到 Claude Code、Cursor 等 AI Agent 宿主的 MCP Server，同时还提供适用于终端工作流的 CLI。
哪个工具更适合非开发者？
毫无疑问是 Thunderbit。它的浏览器扩展就是为非技术用户设计的，只需点击 One Click Extract 就能提取结构化数据——不用查询语言，不用选择器，不用写代码。MontFerret 需要学习 FQL 并配置运行环境，这至少要求具备基础开发能力。
哪个工具能提供更明确的浏览器自动化控制？
MontFerret。由于你是通过 Chrome DevTools Protocol 直接用 FQL 针对 DOM 编写查询，因此可以对导航、交互和条件逻辑进行精确的代码级控制。Thunderbit 的智能方式更偏向于在兼容页面上快速提取结构化数据，而不是做精细的脚本化自动化。
