目前服务部署在单台小机器上,全站检索约 50 次/秒、ask 约 20 个并发;请控制并发(建议 ≤ 5),收到 429 按 Retry-After 退避。 详情 →

人才

概览

研究者档案:教育、履历、代表作、开源,Scholar 指标实时渲染。一人一条文档。

状态
live
文档 id
person_id 如 7870
引用格式
[talent:7870 Federica Sarro]
更新于
2026-10-22

常用调用

查某个人POST /v1/talent/search {"query": "Federica Sarro"} → hits[].id(这个人就是下面 read 的 7870);姓在前(Sarro, Federica)、缩写(F. Sarro)、变音符号(Jürgen ↔ Juergen)、中文名与拼音都行
按条件圈人POST /v1/talent/search {"query": "具身智能", "filters": {"org": "清华大学", "role": "教授", "min_h_index": 30}}
读一个人GET /v1/talent/read/7870 → 默认 level=detail,一次读够;完整档案 level=full;给人看 format=html;合作者 extra=network
细则
  • has_profile=false 的人只有名字+单位级别的信息,level=full(含 section)会 404。
  • 档案内容有每日额度,按「当天读过多少个不同的人」算(talent:profiles,各档数字见自描述的 quotas):反复读同一个人不吃额度,card / brief 和检索不限;超了是 429 quota_exceeded,带 used_today 和 resets_at。要批量或离线用请联系我们签 talent:bulk(也一并解开 scholar_live 的额度)。
  • 常用用法见 quickstart:search 查人 / 按条件圈人,read 默认 level=detail 一次读够;侧面用 extra=,给人看用 format=html;标了 advanced 的过滤字段按需再用。
  • facets 可用字段:org / role / area / location / active_since,以及 orgs / career_stage(每晚重算)。
  • POST /v1/talent/resolve {names:[…]} 把一批人名(论文作者、团队页)批量核对成库内 person_id。
  • 查人名:query 像人名(2–4 个汉字 / 2–4 个英文词)时,同名的人排在最前(hit.match="name"),中文名自动转拼音、Hongjin / Hong Jin / Hong-Jin 互通。响应里 name_match=exact(全名一致;英文名,或中文名直接命中且不是两个字)时只返回同名的人;name_match=partial(如只靠拼音转写命中)时后面照常接普通检索结果。mode=name 只返回同名的人(同名按有无档案、h-index 排)。
  • 档案里每条结论后面的 [n] 对应 extra=sources 里的来源;extra=source&n=3 直接取那一页当时抓的存档(正文、抓取日期),snapshot=text 才有正文,none / blocked(对方拦了爬虫)/ html(只剩原始页面,加 raw=1 取原始 HTML)时取不到,404 不扣费。
  • profile.publications 里的 GS 数字是抓取时的旧值;以 level=brief / detail 里的 h_index / citations_* 为准。
  • 报告末尾的『在线足迹与联系方式』来自公开主页。

读

GET/v1/talent/read/{person_id}
三档深浅,不传就是 detail。免费样例:7870。

三档

深浅credits返回
brief1卡片:姓名、单位、职称、方向、h-index、总被引、是否有档案(检索结果里的 brief 就是它)
detail (默认)3一次读够(默认的 level=detail):卡片 + bio、现任机构、教育、履历、代表作前 5、Scholar 指标、主要合作者前 5、导师,以及完整档案的章节目录(想细看某节用 level=full&section=<名字>)
full10完整档案 markdown(level=full;默认不含联系方式一节,contact=1 才给)

侧面

同一份文档的另一个侧面,与 level 二选一。

侧面credits返回
scholar2结构化 Google Scholar:metrics(all/近5年)、逐年引用图、top 论文、as_of、stale、source。快照过期时先零成本从缓存重建,仍过期则登记后台刷新
scholar_live20同 scholar,但同步向 Google Scholar 拉一次最新数据(≤10s);受本账号每日额度(talent:scholar_live)和全局抓取预算限制,没真刷到就报 502 并退费退额度——要快照走 extra=scholar
papers2代表作:Scholar top 论文 + 档案 top_papers + OpenAlex works,按标题去重、按被引排序
network2关系:合作者(含库内 person_id)、导师、学生
sources1档案的参考来源清单:报告里 [n] 的编号、url、标题、可信度,这条来源当时抓的存档页还在不在(snapshot),以及它支持了档案里的哪些事实(backs:学历 / 任职)
source2取某条来源的存档页正文(调查时抓的快照,不联网);n 是报告里的 [n],raw=1 取原始 HTML
structured3结构化档案(给前端分节渲染):education / work 带起止日期(原样字符串 + 解析出的 start_year / end_year / current)、open_source、top_papers、links、bio_md、activities_md、tags、career_stage;每条带 source_ids,编号同 view=sources 的 n。不含 Scholar 指标(实时的看 view=scholar);邮箱默认不出,contact=1 才给;没有档案的人 404(不扣费)

参数

参数类型说明
person_id (path) 必填 string 文档 id(person_id)。
level brief · detail · full= detail 读多深。
extra scholar · scholar_live · papers · network · sources · source · structured 改读某个侧面,与 level 二选一。
format json · md · html= json 响应形态。
contact bool= false (level = full)
section string (level = full:只读这一节)
characters integer= 3000 (level = full:只读前 N 字)
n integer (extra = source)
raw bool= false (extra = source)

示例

{ "domain": "talent", "id": "7870", "level": "detail", "view": "profile", "data": { … } | "text": "…", "token_count": 1834, "meta": { … } }
talent:bulk 是 key 上的一个授权,不是垂域。解开 talent 的每日额度(档案内容和 scholar_live 实时刷新)。给签了批量 / 授权协议的调用方。标了「需授权」的地方没有它就是 403,也不扣费——空 scopes 等于所有垂域,但不含任何授权。要开通去控制台的 API keys 页申请。
给人看的一页。format=html 返回渲染好的档案页而不是 JSON——新标签页或 iframe 打开都行,鉴权用会话 cookie 或 ?api_key=。
档案背后的页面。档案里每个 [n] 都是当时读过并存下来的网页。extra=sources 列出它们和各自还剩什么,extra=source&n=6 取回那一页的存档。取不到就是 404,不扣费。
旧写法 GET /v1/talent/doc/{id}?view=… 仍然可用。

批量读

POST/v1/talent/read
最多 50 个 id,同一档。查不到的 id 返回 error: "not_found",不扣费。

参数

参数类型说明
ids 必填 string[] 文档 id 列表。
level brief · detail · full= detail 所有 id 共用的档。
extra scholar · scholar_live · papers · network · sources · source · structured 改读某个侧面。

示例

{ "domain": "talent", "level": "detail", "docs": [ { "id": "…", "data": { … } }, { "id": "…", "error": "not_found" } ], "meta": { … } }

Facets

GET/v1/talent/facets?field={field}
某个过滤字段的合法值,agent 不用猜;预聚合字段带计数,声明的枚举没有。免费、不需要 key。

参数

参数类型说明
field 必填 orgs · orgs_current · areas · role_norm · career_stage · location · last_paper_year 有 facets 的过滤字段。
limit integer= 50 最多返回多少个值。

示例

{ "domain": "talent", "field": "…", "values": [ { "value": "…", "count": 3120 } ], "meta": { … } }

批量核对人名

POST/v1/talent/resolve
一批人名(论文作者表、团队页)→ 每个名字的库内候选;唯一命中时 resolved 直接给 id。每次 2 credits,最多 50 个名字。

参数

参数类型说明
names 必填 string[] 照来源原样写的人名。

示例

{ "domain": "talent", "results": [ { "query": "Federica Sarro", "candidates": [ { "person_id": 7870, "name_line": "…", "score": 1 } ], "resolved": 7870 } ], "meta": { … } }

问registered key+ /stream

POST/v1/talent/ask
找人 / 了解某人:agent 在库内检索 + 读档案,回答带 [talent: ] 引用;不联网,库里没有就说没有。effort low / medium / high 对应 50 / 100 / 200 credits。加 /stream 走 NDJSON,第一个事件一定是 billing。首个 answer_delta 之前失败会退款。

参数

参数类型说明
query 必填 string 1–2000 字符。问得具体;要数字就直接问数字。
top_k integer= 20 每次库内检索取多少候选
effort low · medium · high= low 检索轮数,也决定价格:50 / 100 / 200 credits。套餐限制最高档。
verbose bool= false 返回工具调用轨迹(流式时多 tool_call / tool_result / thinking 事件)。
top_k integer= 10 预取候选数。
stream_answer bool= true 仅流式:false 时只发一个 answer 事件。
max_rounds integer 0–8,覆盖 effort 预设。
force_answer_after number 秒;强制切入作答阶段。
max_answer_tokens integer= 4096 触顶时置 answer_truncated。
language string 回答语言,默认跟随 query。

示例

{ "answer": "… [talent:7870 Federica Sarro] …", "sources": [ … ], "stats": { "rounds": 1, "elapsed_s": 6.2, "answer_truncated": false }, "coverage"?: { … }, "meta": { "credits": { "charged": 50, … } } }
引用是真的——answer 里的每个 id 都存在于本垂域(格式 [talent:7870 Federica Sarro])。sources 是召回集,不是引用列表。answer_truncated 表示不完整。