查看實際的 API 使用示例和最佳實踐
pip install ai-agent-platform
from ai_agent_platform import AIAgent
client = AIAgent(
api_key="your_api_key_here",
base_url="https://api.paul720810.dpdns.org"
)
response = client.analyze_text(
text="這是一個很有前景的 AI 平台",
features=["sentiment", "entities", "keywords"]
)
print(f"情感分析: {response.sentiment}")
print(f"提取的實體: {response.entities}")
print(f"關鍵詞: {response.keywords}")
texts = [
"第一個評論很好",
"第二個評論不理想",
"第三個評論非常棒"
]
results = client.batch_analyze(texts)
for i, result in enumerate(results):
print(f"文本 {i+1} 情感: {result.sentiment}")
使用 NLP 進行文本分類、情感分析和實體提取。
實現語義相似度搜索，找到最相關的文檔。
構建一個智能聊天機器人，自動回答常見問題。
npm install @ai-agent-platform/sdk
const { AIAgent } = require("@ai-agent-platform/sdk");
const client = new AIAgent({
apiKey: process.env.AI_API_KEY,
baseUrl: "https://api.paul720810.dpdns.org"
});
async function analyzeText() {
try {
const response = await client.analyzeText({
text: "AI 平台使用體驗極佳",
features: ["sentiment", "topics"]
});
console.log("情感:", response.sentiment);
console.log("主題:", response.topics);
} catch (error) {
console.error("分析失敗:", error.message);
}
}
analyzeText();
const express = require("express");
const app = express();
app.post("/api/analyze", async (req, res) => {
const { text } = req.body;
const result = await client.analyzeText({
text,
features: ["sentiment", "keywords"]
});
res.json(result);
});
app.listen(3000, () => {
console.log("服務運行在 http://localhost:3000");
});
某電商公司使用 AI Agent Platform 構建智能客服系統，每日處理 5000+ 查詢，自動化率達 85%。
某財務公司用 AI 分析市場數據，實現自動化報告生成，效率提升 70%。
某製造企業通過 AI Agent 自動化招聘流程，縮短招聘週期 50%。
某內容機構使用 AI 生成和編輯文章，內容生產效率增加 3 倍。
某購物平台實現個性化推薦，用戶轉化率提升 45%。
某銀行使用 AI 實時監測異常交易，詐騙檢出率達 99.8%。
| 端點 | 方法 | 說明 |
|---|---|---|
| /api/analyze/text | POST | 分析文本情感、實體、關鍵詞 |
| /api/chat | POST | 發送對話請求到聊天機器人 |
| /api/search | POST | 進行語義搜索 |
| /api/batch | POST | 批量處理多個請求 |
| /api/status | GET | 檢查 API 服務狀態 |