跳到导航

让AI研究快手作品和评论,怎样交代任务并保留可核对的原句?

先告诉助手研究问题、首轮范围和交付物。 BeatAPI MCP 工具负责取快手材料,助手从实际原句解释问题,保留每条原句的来源和未确认条件。先让助手用 capabilities_run 对 data:kuaishou.app.search_video_v2 取一个小预览,再用 operation: result 读已保存的结果作为证据。

研究露营装备时,首轮是一页搜索、三条有真实使用场景的作品,以及这三条作品下关于携带、收纳和供电的评论。已有链接或保存文件直接交给助手,不要扩大到所有作品和回复。

怎样把任务说清楚?

研究快手上露营装备的实际使用问题。先搜一批,按场景相关性选三条作品,读首批评论。每个主题附原句、作品与必要回复;区分已知条件和待核项,说明本轮实际读过的范围。需要更多材料时,指出缺什么。

手里已有作品链接或保存文件时,把链接和文件作为研究材料交给助手,助手不必重新搜索。BeatAPI 工具还没接入时,先按 Python 指南保存原件,再把同一份阅读任务交给助手。

使用HTTP MCP时配置什么?

HTTP MCP 需要客户端支持 HTTP MCP 和请求头鉴权。

  1. 服务器地址填 https://beatapi.io/mcp,请求头填 Authorization: Bearer <BEATAPI_API_KEY>。密钥放在客户端鉴权设置或本地环境变量里,任务正文只写研究目标与范围。
  2. 确认助手能看到 capabilities_search、capabilities_inspect、capabilities_run。
  3. 让助手先用 capabilities_search 定位 data:kuaishou.app.search_video_v2,再用 capabilities_inspect 读取输入参数结构,最后用 capabilities_run 发起查询。

https://beatapi.io/mcp 使用 Bearer API Key 鉴权,不是 OAuth 登录;请求头鉴权在各客户端的哪个界面配置,以客户端自己的设置为准。https://beatapi.io/mcp 处理 HTTP POST,不提供旧式 GET SSE 流,只支持 SSE 的客户端不能用同一个地址连通。看得到工具和成功读到材料是两项检查。

先用小预览看方向

让助手先搜索并 Inspect data:kuaishou.app.search_video_v2。下面的 capabilities_run 示例参数请求三条预览;把 idempotency_key 换成本次逻辑查询的唯一幂等键:

{
"reference": "data:kuaishou.app.search_video_v2",
"operation": "start",
"input": {"keyword": "露营装备", "pcursor": ""},
"view": "preview",
"max_items": 3,
"idempotency_key": "<unique-key-for-this-logical-query>"
}

预览用来判断搜索方向对不对、结果长什么样。预览返回列表摘要时,核对 items_path、items_total、items_shown 与裁剪说明;显示三条不代表本次只取得三条,也不是按三条计费。确认预览里是目标作品;作品的标题和描述不能代替实际视频或图片。

分析原句时,优先重读已保存的结果

预览返回可用且未到期的 result_ref 时,保留原 reference 和真实请求号,用同一账号读取完整结果:

{
"reference": "data:kuaishou.app.search_video_v2",
"operation": "result",
"request_id": "<actual_saved_request_id>",
"view": "full"
}

完整结果留作来源。在完整结果里确认快手的实际字段路径后,再用 fields 选择工作视图;不要照搬其他平台的 author、metrics 或统一列表路径。结果没有 result_ref 或引用已过期时,先看本地原件,再决定需要补什么。

入选作品的评论按评论研究读取。重读已保存结果、取新的平台页、取另一条作品的评论是三个不同步骤;改报告分类或补报告字段,不需要重新 start 同一个搜索。

例如研究家常菜准备步骤时,从预览里选一条讲切配的视频,再从已保存结果读这条视频的作品 ID 和文案。要判断视频有没有讲清步骤,引用这条文案和作品来源。要核对「换小锅会不会不一样」,用这条视频的作品 ID 取评论。

报告怎样又短又能回查?

每个主题保留:具体用户问题、代表原句、作品和评论来源、使用条件、已有解释和下一步。模型归纳与原句分开,缺的信息标为待核。“同问”回复不算独立的使用经历。

例如“收纳尺寸是否合适”附实际评论;“需要核对电源条件”列出目前已知的设备和缺失的条件。报告先给少量最有依据的问题,原件保存在外部文件或助手能重读的已存结果里。

当前价格见价格页。重读已存结果不新增平台取数;新关键词、下一页与额外评论都是新查询。模型处理的 token 用量另计。要评估上下文开销,比较实际模型用量;响应大小只作为材料体积的粗略参考。

通用结果阅读 · Python取材