- 记录
- 368
- 字段
- 4
- AI 扩增字段
- 0
- 平均非空率
- 97.9%
- 字段完整度
4 个字段，3 个没有空值
01字段
字段来源，逐一标明
共 4 个字段，其中 AI 扩增字段 0 个。非空率按当前版本的 368 行计算。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 行政区划编码region_code记录键含义：代码或编号 | 文本 | 原生 | 100% | 6 位行政区划代码。 | ||
| 名称region_name含义：名称 | 文本 | 原生 | 100% | 行政区的名称。 | ||
| 级别level含义：类别 | 文本 | 原生 | 100% | 省或市。 | ||
| 上级编码parent_code规律 3：上级编码的字段规律字段规律：健康险保单的投保地区编码和行政区划的上级编码是同一概念。。医疗机构的地区编码和行政区划的上级编码是同一概念。。诊疗项目收费的地区编码和行政区划的上级编码是同一概念。含义：代码或编号 | 文本 | 原生 | 92% | 上级行政区的行政区划编码。省级为空。 |
02样本
先看样本，再做决定
这里显示当前版本的前 20 行。这个数据集没有敏感字段。
| # | 行政区划编码region_code | 名称region_name | 级别level | 上级编码parent_code |
|---|---|---|---|---|
| 1 | 110000 | 北京市 | 省 | — |
| 2 | 120000 | 天津市 | 省 | — |
| 3 | 130000 | 河北省 | 省 | — |
| 4 | 140000 | 山西省 | 省 | — |
| 5 | 150000 | 内蒙古自治区 | 省 | — |
| 6 | 210000 | 辽宁省 | 省 | — |
| 7 | 220000 | 吉林省 | 省 | — |
| 8 | 230000 | 黑龙江省 | 省 | — |
| 9 | 310000 | 上海市 | 省 | — |
| 10 | 320000 | 江苏省 | 省 | — |
| 11 | 330000 | 浙江省 | 省 | — |
| 12 | 340000 | 安徽省 | 省 | — |
| 13 | 350000 | 福建省 | 省 | — |
| 14 | 360000 | 江西省 | 省 | — |
| 15 | 370000 | 山东省 | 省 | — |
| 16 | 410000 | 河南省 | 省 | — |
| 17 | 420000 | 湖北省 | 省 | — |
| 18 | 430000 | 湖南省 | 省 | — |
| 19 | 440000 | 广东省 | 省 | — |
| 20 | 450000 | 广西壮族自治区 | 省 | — |
演示数据，不是真实数据：样本里的人名、机构名、编号都是虚构的。
03版本
每次发布，都留记录
发布后的数据版本不能修改。更正时发布新版本，旧版本保留。
版本 v12026/10/13 发布
生效中368 行 · 4 个字段 · 初始导入
04关联
和其他数据集，按键连起来
另有 8 条登记的关联。共享同一种键的数据集能连接。按共享的键分组，对上的行多的在前。
平台还没有在这个数据集里认出能连接的键。
登记的关联
运营人员登记的关联，写明了按哪些字段、怎么连。已确认的由运营人员检查过。
- 加入联合查询：行政区划
健康险保单的投保地区编码，对上行政区划的行政区划编码。
连接条件1 对字段
健康险保单本数据集- 投保地区编码region_code=行政区划编码region_code
已确认置信度1.00可连接率 100%（健康险保单的行）一对多 - 加入联合查询：行政区划
医疗机构的地区编码，对上行政区划的行政区划编码。
连接条件1 对字段
医疗机构本数据集- 地区编码region_code=行政区划编码region_code
已确认置信度1.00可连接率 100%（医疗机构的行）一对多 - 加入联合查询：行政区划
诊疗项目收费的地区编码，对上行政区划的行政区划编码。
连接条件1 对字段
诊疗项目收费本数据集- 地区编码region_code=行政区划编码region_code
已确认置信度1.00可连接率 100%（诊疗项目收费的行）一对多 - 加入联合查询：行政区划（投保地区）
健康险保单的投保地区，对上行政区划的名称。
连接条件1 对字段
健康险保单本数据集- 投保地区region_name=名称region_name
已确认置信度1.00可连接率 100%（健康险保单的行）一对多 - 加入联合查询：行政区划（地区）
医疗机构的地区，对上行政区划的名称。
连接条件1 对字段
医疗机构本数据集- 地区region_name=名称region_name
已确认置信度1.00可连接率 100%（医疗机构的行）一对多 - 加入联合查询：行政区划（地区）
诊疗项目收费的地区，对上行政区划的名称。
连接条件1 对字段
诊疗项目收费本数据集- 地区region_name=名称region_name
已确认置信度1.00可连接率 100%（诊疗项目收费的行）一对多 - 加入联合查询：上级编码
上级编码
引用连接本数据集到本数据集（上级编码）行政区划的上级编码，对上行政区划的行政区划编码。
连接条件1 对字段
本数据集上级编码- 上级编码parent_code=行政区划编码region_code
已确认置信度0.85可连接率 91.6%（本数据集的行）多对一 - 加入联合查询：行政区划（区县编码）
医疗机构的区县编码（取前 4 位，后面补 0），对上行政区划的行政区划编码。
连接条件1 对字段
医疗机构本数据集- 区县编码district_code取前 4 位，后面补 0=行政区划编码region_code
已确认置信度0.85可连接率 100%（医疗机构的行）一对多
联合查询要求两个数据集都有授权，按连接后返回的行数扣点：基础 0.5 点，加上每 100 行 0.3 点。在语义图谱里看全部关联
05字段规律
字段之间的规律
比如一一对应、谁先谁后。只帮你读懂数据，不用来连接。
和其他数据集3
- 同一概念
健康险保单的投保地区编码和行政区划的上级编码是同一概念。
发现关联时找出 - 同一概念
医疗机构的地区编码和行政区划的上级编码是同一概念。
发现关联时找出行政区划本数据集医疗机构 - 同一概念
诊疗项目收费的地区编码和行政区划的上级编码是同一概念。
发现关联时找出
06授权与接入
申请授权，一次调用就能用上
试用立即生效，并送 500 点试用点数。授权后用 API Key 调用 REST 接口，按返回的行数扣点。
REST 调用示例
# 先把 API Key 放进环境变量：export WI_API_KEY=你的 API Keycurl -X POST 'https://wi.insightworld.cn/api/v1/datasets/admin-region/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"region_code","op":"eq","value":"110000"}],"limit":10}'
交给 Agent
- 理赔案件地区分析依赖 4 个数据集 · 一次对话约 6.7 点
按就诊机构所在的省、城市、区县统计理赔案件的件数、费用和案件状态，区县可以汇总到城市。
发给请下载 https://wi.insightworld.cn/skills/case-area.zip 并解压，把里面的 case-area 文件夹装进你自己的技能目录（不确定时装到 ~/.agents/skills/），然后使用这个技能。我的 API Key 在环境变量 WI_API_KEY 里。
Agent 会自己下载、装进它的技能目录 - 以后开放
MCP
仍在使用 MCP 的 Agent 客户端，用 OAuth 连接后通过工具查询。