新闻详情

新闻详情

首页 / 资讯中心 / 详情

把「找供应商」说成一句话:一个自然语言检索 API 的设计与用法

发布时间:2026/11/12 6:02:25来源:尧图网络
把「找供应商」说成一句话:一个自然语言检索 API 的设计与用法
结构化检索 API 的边界在哪在「用户说不清参数」的那一刻。「浙江一带做注塑模具、最好有出口经验的厂」——这句话里有地域还是模糊地域、有品类、有一个很难落成字段的条件。传统做法是前端堆一堆筛选器逼用户自己翻译另一条路是把翻译这件事交给服务端的 AI。这篇拆一个走后一条路的实际接口天下工厂开放平台的factory_agent_search。背景一句话天下工厂是覆盖全国 480 万家工厂的数据库收录前做了工厂身份识别真实从事生产的工厂才进库贸易商与空壳类主体排除开放平台以 MCP 与 REST 双通道提供能力文档在 https://www.tianxiagongchang.com/open/docs。接口形状REST 调用curl-shttps://open.tianxiagongchang.com/open/v1/capabilities/factory_agent_search\-HAuthorization: Bearer$TIANXIA_API_KEY\-HContent-Type: application/json\-d{query:浙江一带做注塑模具、有出口经验的厂}入参就两个字段query必填一句话中文效果最好和conversation_id选填下文细说。没有别的参数——这个接口的全部设计哲学就是「把翻译工作收进服务端」。返回是一份经过核实的工厂名单外加本轮的conversation_id。单次执行 30 到 90 秒服务端的代理要解析意图、规划筛选、执行检索、对候选做核实这个耗时是真实工作量不是网络慢。客户端超时要设到 180 秒以上默认 10 秒超时会把正常执行掐断。conversation_id多轮收窄这是这个接口最值得说的设计。第一轮拿到名单后把响应里的conversation_id带上再发第二句{query:只要成立十年以上、规模大一点的,conversation_id:上一轮返回的值}代理会在上一轮的语境里理解这句话——「成立十年以上」叠加到已有条件上而不是从头开始一次新检索。对话式收窄的体验就出来了先粗后细两三轮把名单磨到能用。对开发者来说这意味着你可以在自己的产品里用极小的前端成本实现「对话式选供应商」一个输入框一个列表conversation_id存在会话状态里没了。筛选器、级联下拉、行业树选择器全都不用做。和结构化检索怎么分工平台同时提供factory_search关键词 省市区县 行业码的结构化检索。两者的分工判据很简单条件能写成参数用factory_search。快普通限流每分钟 300 次便宜结果可完全复现。条件还是一句话用factory_agent_search。慢与深挖能力共享每分钟 6 次的慢速限流单价也不同但省掉了「把话翻译成参数」的全部工程。一个务实的混合架构是产品首页给一句话入口走代理代理返回的名单页上再给结构化筛选器走factory_search微调——两个接口入参出参都在同一套统一响应格式里items里的公司id通用混用没有任何缝。试起来控制台注册即送体验额度https://www.tianxiagongchang.com/open/console。想先看看返回长什么样公开沙箱密钥sk-tx-test-1685549fb3710c1b36e4d75dc2d0f42a可以直接用返回示例数据不计费。计费按量单次以角计价每个响应带扣费回执。「自然语言进、核实过的名单出」这个形态我判断会是数据类 API 的标准配置之一——毕竟调用方越来越多不是人是另一个 Agent。而 Agent 之间传一句话永远比传二十个参数稳。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/11 13:52:51

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/10 19:42:40

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/11 9:31:44

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/11 5:36:08

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/11 15:37:39

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/10 17:14:10

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉