展开本页目录
开始前准备什么
- Python 3.10或更新版本；脚本只使用标准库
- 有权处理的资料与原始备份；本篇使用虚构业务样本
- 重跑时使用自己的apizt Key；离线复核无需Key
- 下载资料包
- 核对来源和合同
- 小样本调用文本模型
- 检查并人工确认
- 交付与复用
先下载样例，再完成自己的首次调用
示例不含密钥。API 按实际用量计费；下载和点击不代表调用成功。
中文说明、可编辑输入、脚本、原始响应、校验与交付文件；不含Key
本次样本的审校成果，不等于生产系统已导入
先看本篇能交付什么
将读者问题对照已有资料，输出可写选题与待补证据，避免只按重复问题数量铺新文章。
有读者提问不代表手里已有可靠答案；缺出处的题目先不发布教程。
| 交付物 | 用途与边界 |
|---|---|
| export.csv | 实际输出的审核稿，不会自动写入生产系统 |
| run.py + case.json | 修改自己的资料后可重跑；默认离线复核不调用API |
| response.json + receipt.json | 核对原始模型返回、用量、时间与内容摘要 |
- 交付物
- export.csv
- 用途与边界
- 实际输出的审核稿，不会自动写入生产系统
- 交付物
- run.py + case.json
- 用途与边界
- 修改自己的资料后可重跑；默认离线复核不调用API
- 交付物
- response.json + receipt.json
- 用途与边界
- 核对原始模型返回、用量、时间与内容摘要
第一步：固定输入、来源与缺项
把读者问题与已审校知识分别列清，不先让模型写长文。
虚构业务样本；实际调用 apizt API。不是商店、客户或游戏生产数据。
| id | question |
|---|---|
| ED1 | 如何导出CSV？ |
| ED2 | 是否支持离线协作？ |
| ED3 | 日志多久删除？ |
- id
- ED1
- question
- 如何导出CSV？
- id
- ED2
- question
- 是否支持离线协作？
- id
- ED3
- question
- 日志多久删除？
本篇实际运行报告截图。业务资料为虚构样本；不是第三方平台界面。
第二步：用 apizt 只跑一次文本任务
逐题输出decision和evidence_ids；资料没有离线协作能力，先补采访问题。
下载并解压资料包，先执行 python3 run.py 离线核对保存结果。要调用自己的API，复制一份工作目录，按README修改case.json，再执行 --run --new-output ./my-run；新目录不会混入旧响应或旧人工改动。Key只在终端本次进程中使用。
默认使用本篇资料包指定的低成本文本模型，输出上限1536 tokens，45秒超时，不自动重试；若返回401/429或截断，先核对凭据、额度、路由或输出预算，保留失败记录。
本地复核与运行
python3 --version
python3 run.py
# 阅读README并在工作副本中修改case.json后，才运行下一行
python3 run.py --run --new-output ./my-run第三步：核对真实返回与交付结果
这次运行返回 HTTP 200，模型 qwen3.8-flash，响应总量 513 tokens，耗时 5.677 秒。本例合同与格式检查通过，业务解释与外部适用性仍需人工复核。
下载topic-evidence-gap.csv；相同问题已有文章时更新原页，不换标题再生成。
| 记录ID | 编辑决定 | 证据ID | 采访问题 |
|---|---|---|---|
| ED1 | write | ["DOC1"] | 未提供 |
| ED2 | needs_source | [] | 产品是否支持离线协作功能？如果支持，具体机制是什么？ |
| ED3 | write | ["DOC2"] | 未提供 |
- 记录ID
- ED1
- 编辑决定
- write
- 证据ID
- ["DOC1"]
- 采访问题
- 未提供
- 记录ID
- ED2
- 编辑决定
- needs_source
- 证据ID
- []
- 采访问题
- 产品是否支持离线协作功能？如果支持，具体机制是什么？
- 记录ID
- ED3
- 编辑决定
- write
- 证据ID
- ["DOC2"]
- 采访问题
- 未提供
本篇实际运行报告截图。业务资料为虚构样本；不是第三方平台界面。
第四步：程序检查与人工确认分开
只校验本例合同、编号、指定事实与格式；不证明业务事实在现实世界成立。
脚本实际测试了改坏行ID与伪造来源ID两个负例，均被拒绝。它们证明这两个错误分支能被检测，不代表所有幻觉、格式或业务错误都已覆盖。
- HTTP200且唯一完整stop响应
- 输入/响应SHA-256一致
- 行ID完整且无重复
- 来源编号必须存在
- 指定事实断言核对
- CSV标准解析器往返：行数一致
- 专用CSV与实际export.csv内容一致：topic-evidence-gap.csv
local-result.json
{
"publishable_candidates": [
"ED1",
"ED3"
],
"needs_source": [
"ED2"
]
}第五步：用自己的小样本验收，再进入业务流程
先把资料换成有权处理的脱敏样本；保留原文件和审核副本，逐项核对来源、条件、未知项与最终输出。
当前页面和结果包没有任何私密Key；不需要登录其他AI平台。配置apizt后先完成一次低成本调用，再判断该任务是否值得复用。
搜索词按具体工作任务组织；本批没有取得这些词的Google或抖音搜索量，不标注虚构热度，也不承诺收录、排名或业务收益。
怎样确认已经完成
- 有读者提问不代表手里已有可靠答案；缺出处的题目先不发布教程。
- 未知项没有补成事实
- 原始模型输出与人工审校文件分开保存
- 没有执行线上写入或第三方发布
常见问题
样本和截图是真实的吗？
业务输入是明确标注的虚构样本，API响应、耗时、usage、结果文件与报告截图来自这次实际运行；不是客户生产数据，也不是第三方后台截图。
需要登录其他AI平台吗？
不需要。浏览器任务台直接调用apizt，或用资料包里的Python脚本；API按实际用量计费，默认不自动重试，不跑视频模型。
检查通过后能直接用于生产吗？
有读者提问不代表手里已有可靠答案；缺出处的题目先不发布教程。 还要使用真实且有权处理的资料，复核当前平台规则与自己的业务约束。