
地级市专利与绿色专利统计
一行代表一个地级市在特定年份的专利申请与获得情况。
v1 生效中 · 2026/11/13 发布险种标签:企业财产险责任险时间跨度:1999–2021 年数据出处 出处待核实
- 记录
- 6,562
- 字段
- 23
- AI 扩增字段
- 0
- 平均非空率
- 98.4%
- 字段完整度
23 个字段,9 个没有空值
01字段
字段来源,逐一标明
共 23 个字段,其中 AI 扩增字段 0 个。非空率按当前版本的 6,562 行计算。
关于这个数据集
一行代表一个地级市在特定年份的专利申请与获得情况。覆盖全国地级市,包含专利总量、分类(发明/实用新型/外观)及绿色专利细分数据。可用于评估区域技术创新能力、绿色转型进度,辅助科技风险定价。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 地级市city含义:地区键:城市名称。样本里格式符合 99.3%,还没有参照 | 文本 | 原生 | 100% | — | ||
| 年度year含义:年份键:年份。样本里格式符合 100%,还没有参照 | 整数 | 原生 | 100% | — | ||
| 省区划代码province_region_code含义:代码或编号键:省级区划代码(2025 年版)。样本里格式符合 100%,100% 的行对上参照 region-code-by-year | 文本 | 原生 | 100% | — | ||
| 省份province含义:地区键:省份名称。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 100% | 原表列名:省 | ||
| 市区划代码city_region_code含义:代码或编号键:市级区划代码(2025 年版)。样本里格式符合 100%,100% 的行对上参照 region-code-by-year | 文本 | 原生 | 100% | — | ||
| 申请专利总数patent_apply_amount含义:个数(件) | 整数 | 原生 | 100% | 单位:件 原表列名:申请专利数(件) | ||
| 申请发明数invention_apply_amount含义:个数(件) | 整数 | 原生 | 99% | 单位:件 原表列名:当年申请的发明专利数量(件) | ||
| 申请实用新型数utility_apply_amount含义:个数(件) | 整数 | 原生 | 99% | 单位:件 原表列名:当年申请的实用新型专利数量(件) | ||
| 申请外观数design_apply_amount含义:个数(件) | 整数 | 原生 | 99% | 单位:件 原表列名:当年申请的外观设计专利数量(件) | ||
| 获得专利总数patent_grant_amount含义:个数(件) | 整数 | 原生 | 100% | 单位:件 原表列名:获得专利(件) | ||
| 获得发明数invention_grant_amount含义:个数(件) | 整数 | 原生 | 99% | 单位:件 原表列名:当年获得的发明专利数量(件) | ||
| 获得实用新型数utility_grant_amount含义:个数(件) | 整数 | 原生 | 99% | 单位:件 原表列名:当年获得的实用新型专利数量(件) | ||
| 获得外观数design_grant_amount含义:个数(件) | 整数 | 原生 | 99% | 单位:件 原表列名:当年获得的外观设计专利数量(件) | ||
| 申请绿色专利数green_patent_apply_amount含义:个数(件) | 整数 | 原生 | 100% | 单位:件 原表列名:申请绿色专利(件) | ||
| 申请绿色发明数green_invention_apply_amount含义:个数(件) | 整数 | 原生 | 97% | 单位:件 原表列名:当年申请的绿色发明专利数量(件) | ||
| 绿色发明申请占比green_invention_apply_ratio含义:比率(小数) | 小数 | 原生 | 97% | 注意:部分年份为百分比字符串,部分为小数,需清洗 原表列名:绿色发明占地区年度申请的专利总数百分比 | ||
| 申请绿色实用新型数green_utility_apply_amount含义:个数(件) | 整数 | 原生 | 97% | 单位:件 原表列名:当年申请的绿色实用新型专利数量(件) | ||
| 绿色实用新型申请占比green_utility_apply_ratio含义:比率(小数) | 小数 | 原生 | 97% | 注意:部分年份为百分比字符串,部分为小数,需清洗 原表列名:绿色实用新型占地区年度申请的实用新型总数百分比 | ||
| 获得绿色专利数green_patent_grant_amount含义:个数(件) | 整数 | 原生 | 100% | 单位:件 原表列名:获得绿色专利(件) | ||
| 获得绿色发明数green_invention_grant_amount含义:个数(件) | 整数 | 原生 | 95% | 单位:件 原表列名:当年获得的绿色发明专利数量(件) | ||
| 绿色发明获得占比green_invention_grant_ratio含义:比率(小数) | 小数 | 原生 | 95% | 注意:部分年份为百分比字符串,部分为小数,需清洗 原表列名:绿色发明占地区年度获得的专利总数百分比 | ||
| 获得绿色实用新型数green_utility_grant_amount含义:个数(件) | 整数 | 原生 | 95% | 单位:件 原表列名:当年获得的绿色实用新型专利数量(件) | ||
| 绿色实用新型获得占比green_utility_grant_ratio含义:比率(小数) | 小数 | 原生 | 95% | 注意:部分年份为百分比字符串,部分为小数,需清洗 原表列名:绿色实用新型占地区年度获得的实用新型总数百分比 |
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。
| # | 地级市city | 年度year | 省区划代码province_region_code | 省份province | 市区划代码city_region_code | 申请专利总数patent_apply_amount | 申请发明数invention_apply_amount | 申请实用新型数utility_apply_amount | 申请外观数design_apply_amount | 获得专利总数patent_grant_amount | 获得发明数invention_grant_amount | 获得实用新型数utility_grant_amount | 获得外观数design_grant_amount | 申请绿色专利数green_patent_apply_amount | 申请绿色发明数green_invention_apply_amount | 绿色发明申请占比green_invention_apply_ratio | 申请绿色实用新型数green_utility_apply_amount | 绿色实用新型申请占比green_utility_apply_ratio | 获得绿色专利数green_patent_grant_amount | 获得绿色发明数green_invention_grant_amount | 绿色发明获得占比green_invention_grant_ratio | 获得绿色实用新型数green_utility_grant_amount | 绿色实用新型获得占比green_utility_grant_ratio |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 北京市 | 2021 | 110000 | 北京市 | 110000 | 134952 | 92384 | 31044 | 11524 | 198765 | 79197 | 96076 | 23492 | 16215 | 13133 | 0.1422 | 3082 | 0.0993 | 19368 | 9077 | 0.1146 | 10291 | 0.1071 |
| 2 | 北京市 | 2020 | 110000 | 北京市 | 110000 | 103981 | 76246 | 17974 | 9761 | 162301 | 63117 | 75038 | 24146 | 19247 | 16335 | 0.2142 | 2912 | 0.162 | 22275 | 10010 | 0.1586 | 12265 | 0.1635 |
| 3 | 北京市 | 2019 | 110000 | 北京市 | 110000 | 203972 | 115451 | 67341 | 21180 | 131213 | 52924 | 58187 | 20102 | 34370 | 23469 | 0.2033 | 10901 | 0.1619 | 16882 | 7126 | 0.1346 | 9756 | 0.1677 |
| 4 | 北京市 | 2018 | 110000 | 北京市 | 110000 | 200435 | 118952 | 61494 | 19989 | 122905 | 46847 | 58904 | 17154 | 34670 | 24051 | 0.2022 | 10619 | 0.1727 | 16448 | 6492 | 0.1386 | 9956 | 0.169 |
| 5 | 北京市 | 2017 | 110000 | 北京市 | 110000 | 177966 | 101425 | 59378 | 17163 | 106525 | 45970 | 45801 | 14754 | 29415 | 19545 | 0.1927 | 9870 | 0.1662 | 14165 | 6821 | 0.1484 | 7344 | 0.1603 |
| 6 | 北京市 | 2016 | 110000 | 北京市 | 110000 | 165900 | 95708 | 53845 | 16347 | 101864 | 41269 | 45166 | 15429 | 25412 | 16844 | 0.176 | 8568 | 0.1591 | 14130 | 6936 | 0.1681 | 7194 | 0.1593 |
| 7 | 北京市 | 2015 | 110000 | 北京市 | 110000 | 143578 | 83074 | 47612 | 12892 | 90360 | 32782 | 45531 | 12047 | 21042 | 13657 | 0.1644 | 7385 | 0.1551 | 12173 | 5172 | 0.1578 | 7001 | 0.1538 |
| 8 | 北京市 | 2014 | 110000 | 北京市 | 110000 | 125421 | 72750 | 42606 | 10065 | 72248 | 22852 | 42328 | 7068 | 18677 | 12114 | 0.1665 | 6563 | 0.154 | 10756 | 4154 | 0.1818 | 6602 | 0.156 |
| 9 | 北京市 | 2013 | 110000 | 北京市 | 110000 | 100282 | 59785 | 34452 | 6045 | 61824 | 21388 | 34552 | 5884 | 15162 | 9612 | 0.1608 | 5550 | 0.1611 | 8842 | 3606 | 0.1686 | 5236 | 0.1515 |
| 10 | 北京市 | 2012 | 110000 | 北京市 | 110000 | 78088 | 46399 | 26353 | 5336 | 43621 | 19569 | 19144 | 4908 | 10709 | 7017 | 0.1512 | 3692 | 0.1401 | 5703 | 3044 | 0.1556 | 2659 | 0.1389 |
| 11 | 北京市 | 2011 | 110000 | 北京市 | 110000 | 60018 | 35728 | 19494 | 4796 | 39378 | 15186 | 19256 | 4936 | 8762 | 5827 | 0.1631 | 2935 | 0.1506 | 5052 | 2077 | 0.1368 | 2975 | 0.1545 |
| 12 | 北京市 | 2010 | 110000 | 北京市 | 110000 | 48823 | 28167 | 16285 | 4371 | 31442 | 10395 | 15277 | 5770 | 6927 | 4514 | 0.1603 | 2413 | 0.1482 | 3771 | 1356 | 0.1304 | 2415 | 0.1581 |
| 13 | 北京市 | 2009 | 110000 | 北京市 | 110000 | 41440 | 23948 | 13325 | 4167 | 22104 | 9020 | 9786 | 3298 | 5924 | 3794 | 0.1584 | 2130 | 0.1598 | 2784 | 1257 | 0.1394 | 1527 | 0.156 |
| 14 | 北京市 | 2008 | 110000 | 北京市 | 110000 | 35429 | 23102 | 9439 | 2888 | 17214 | 6211 | 8679 | 2324 | 4788 | 3316 | 0.1435 | 1472 | 0.1559 | 1994 | 867 | 0.1396 | 1127 | 0.1299 |
| 15 | 北京市 | 2007 | 110000 | 北京市 | 110000 | 25637 | 15505 | 7363 | 2769 | 14000 | 4567 | 7204 | 2229 | 3169 | 2197 | 0.1417 | 972 | 0.132 | 1627 | 717 | 0.157 | 910 | 0.1263 |
| 16 | 北京市 | 2006 | 110000 | 北京市 | 110000 | 20207 | 11577 | 6355 | 2275 | 10549 | 3904 | 5163 | 1482 | 2436 | 1601 | 0.1383 | 835 | 0.1314 | 1284 | 686 | 0.1757 | 598 | 0.1158 |
| 17 | 北京市 | 2005 | 110000 | 北京市 | 110000 | 17335 | 10071 | 5377 | 1887 | 9436 | 3279 | 4383 | 1774 | 1933 | 1343 | 0.1334 | 590 | 0.1097 | 1058 | 618 | 0.1885 | 440 | 0.1004 |
| 18 | 北京市 | 2004 | 110000 | 北京市 | 110000 | 13589 | 6951 | 4698 | 1940 | 8546 | 3070 | 3844 | 1632 | 1408 | 903 | 0.1299 | 505 | 0.1075 | 883 | 506 | 0.1648 | 377 | 0.0981 |
| 19 | 北京市 | 2003 | 110000 | 北京市 | 110000 | 11468 | 5307 | 4597 | 1564 | 7400 | 2170 | 3915 | 1315 | 1231 | 777 | 0.1464 | 454 | 0.0988 | 822 | 401 | 0.1848 | 421 | 0.1075 |
| 20 | 北京市 | 2002 | 110000 | 北京市 | 110000 | 10546 | 4842 | 4312 | 1392 | 5884 | 933 | 3552 | 1399 | 1220 | 764 | 0.1578 | 456 | 0.1058 | 483 | 137 | 0.1468 | 346 | 0.0974 |
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 v12026/11/13 发布
生效中6,562 行 · 23 个字段 · 初始导入
04关联
和其他数据集,按键连起来
按键连到地区,能和不少于 70 个数据集连接。另外,它带年份或日期,能和其他数据集按时间对齐。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。
按 城市 + 省份 + 年份 能连
186 个数据集 · 本数据集 6,562 行有城市- 地级市资源错配指数区域底数 · 3,180 行 · 连接字段 region_code、year、province按城市对上本数据集 6,554 行(99%)
- 地级市污染排放与治理区域底数 · 8,618 行 · 连接字段 region_code、province、year按城市对上本数据集 6,530 行(99%)
- 地级市分行业创新指数区域底数 · 574.7 万 行 · 连接字段 year、region_code、province按城市对上本数据集 6,518 行(99%)
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 year、city_code、province按城市对上本数据集 6,518 行(99%)
- 地级市日度夜间灯光区域底数 · 172.6 万 行 · 连接字段 region_code、province、date按城市对上本数据集 6,518 行(99%)
- 地级市社会经济指标区域底数 · 93.2 万 行 · 连接字段 region_code、year、province按城市对上本数据集 6,518 行(99%)
- 地级市市辖区社会经济指标区域底数 · 86.6 万 行 · 连接字段 year、region_code、province按城市对上本数据集 6,518 行(99%)
- 全国城市每日人口迁徙区域底数 · 65.1 万 行 · 连接字段 date、region_code、province按城市对上本数据集 6,518 行(99%)
- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 region_code、year、province按城市对上本数据集 6,518 行(99%)
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 province、year、city_code按城市对上本数据集 6,518 行(99%)
- 地级市逐月风速自然灾害 · 37.8 万 行 · 连接字段 year、province、region_code按城市对上本数据集 6,518 行(99%)
- 金融机构网点明细保险市场 · 27.5 万 行 · 连接字段 approve_date、province、city_code按城市对上本数据集 6,518 行(99%)
按 省份 + 年份 能连
388 个数据集 · 本数据集 6,562 行有省份- 海关进出口商品统计区域底数 · 2639.9 万 行 · 连接字段 year、province_name按省份对上本数据集 6,562 行(100%)
- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 page_publish_time、pname按省份对上本数据集 6,562 行(100%)
- 县市逐日天气自然灾害 · 1509.2 万 行 · 连接字段 province、date按省份对上本数据集 6,562 行(100%)
- 县级日度夜间灯光区域底数 · 1313 万 行 · 连接字段 province、date按省份对上本数据集 6,562 行(100%)
- 全国行政村淘宝村DID面板区域底数 · 1056.8 万 行 · 连接字段 taobao_village_year、province_code按省份对上本数据集 6,562 行(100%)
- 县级逐月降水量自然灾害 · 421.1 万 行 · 连接字段 year、province按省份对上本数据集 6,562 行(100%)
- 城市建设统计指标区域底数 · 237.2 万 行 · 连接字段 province、year按省份对上本数据集 6,562 行(100%)
- 县域统计年鉴主要指标区域底数 · 215.5 万 行 · 连接字段 province、year按省份对上本数据集 6,562 行(100%)
- 中国手机基站地理信息建筑设施 · 186.8 万 行 · 连接字段 province、create_date按省份对上本数据集 6,562 行(100%)
- 县域数字基建词频区域底数 · 182 万 行 · 连接字段 province、year按省份对上本数据集 6,562 行(100%)
- 省级社会经济指标区域底数 · 154.5 万 行 · 连接字段 region_code、year按省份对上本数据集 6,562 行(100%)
- 省级教育统计指标区域底数 · 145.4 万 行 · 连接字段 region_code、year按省份对上本数据集 6,562 行(100%)
按 城市 + 年份 能连
66 个数据集 · 本数据集 6,562 行有城市- 地级市数字产业集聚水平区域底数 · 1 万 行 · 连接字段 year、city_code按城市对上本数据集 6,518 行(99%)
- 地级市感动人物DID区域底数 · 8,762 行 · 连接字段 year、city_code按城市对上本数据集 6,518 行(99%)
- 大数据试验区试点面板区域底数 · 6,900 行 · 连接字段 year、region_code按城市对上本数据集 6,518 行(99%)
- 地级市新注册企业统计区域底数 · 6,740 行 · 连接字段 region_code、year按城市对上本数据集 6,518 行(99%)
- 地级市高铁状态交通运输 · 6,556 行 · 连接字段 year、city_code按城市对上本数据集 6,518 行(99%)
- 地级市创业活跃度区域底数 · 6,268 行 · 连接字段 region_code、year按城市对上本数据集 6,518 行(99%)
- 地级市环境规制指标区域底数 · 5,754 行 · 连接字段 year、region_code按城市对上本数据集 6,518 行(99%)
- 地级市金融科技发展指数区域底数 · 5,400 行 · 连接字段 region_code、year按城市对上本数据集 6,518 行(99%)
- 地级市数字普惠金融指数区域底数 · 4,706 行 · 连接字段 year、city_code按城市对上本数据集 6,518 行(99%)
- 地级市链长制政策面板区域底数 · 3,370 行 · 连接字段 year、city_code按城市对上本数据集 6,518 行(99%)
- 地级市链长制起始表区域底数 · 337 行 · 连接字段 city_code、start_year按城市对上本数据集 6,518 行(99%)
- 地级市经济社会统计区域底数 · 120.5 万 行 · 连接字段 year、region_code按城市对上本数据集 6,506 行(99%)
按 城市 + 省份 能连
29 个数据集 · 本数据集 6,562 行有城市- 区县相邻关系明细区域底数 · 841 万 行 · 连接字段 province_code、city_code按城市对上本数据集 6,518 行(99%)
- 区县和城市到港口和海岸线的距离区域底数 · 3,270 行 · 连接字段 province_code、city_code按城市对上本数据集 6,518 行(99%)
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 province、city_code按城市对上本数据集 6,518 行(99%)
- 地级市河流长度与密度自然灾害 · 368 行 · 连接字段 province_code、region_code按城市对上本数据集 6,518 行(99%)
- 全国A级景区点位建筑设施 · 1.5 万 行 · 连接字段 city_code、province按城市对上本数据集 6,508 行(99%)
- 地级市地形起伏度自然灾害 · 360 行 · 连接字段 region_code、province按城市对上本数据集 6,491 行(98%)
- 城市政商关系健康指数区域底数 · 292 行 · 连接字段 city_code_2、province按城市对上本数据集 6,484 行(98%)
- 地级市宗族文化占比区域底数 · 338 行 · 连接字段 city_code、province_code按城市对上本数据集 6,481 行(98%)
- 全国高校基本信息企业主体 · 2,769 行 · 连接字段 province、city_code按城市对上本数据集 6,437 行(98%)
- 全国区县方言分类区域底数 · 2,300 行 · 连接字段 city_code、province_code按城市对上本数据集 6,432 行(98%)
- 全国五级统计用区划代码区域底数 · 62 万 行 · 连接字段 city_code、province_code按城市对上本数据集 6,426 行(97%)
- 地级市距港口距离区域底数 · 335 行 · 连接字段 province、city_code按城市对上本数据集 6,419 行(97%)
按 省份 能连
18 个数据集 · 本数据集 6,562 行有省份- 地级市空间权重关系区域底数 · 38.4 万 行 · 连接字段 province_code按省份对上本数据集 6,562 行(100%)
- 并购重组交易涉及方明细企业主体 · 32.8 万 行 · 连接字段 province按省份对上本数据集 6,562 行(100%)
- 全国养老机构明细医疗药械 · 5.8 万 行 · 连接字段 region_code按省份对上本数据集 6,562 行(100%)
- 七普分省分行业就业人口区域底数 · 4.4 万 行 · 连接字段 region按省份对上本数据集 6,562 行(100%)
- 全国行政区划经纬度区域底数 · 3,445 行 · 连接字段 province按省份对上本数据集 6,562 行(100%)
- 全国司法鉴定机构医疗药械 · 2,917 行 · 连接字段 province按省份对上本数据集 6,562 行(100%)
- 区县农业区划归属区域底数 · 2,877 行 · 连接字段 province按省份对上本数据集 6,562 行(100%)
- 全国开发区点位和基本信息区域底数 · 2,781 行 · 连接字段 province按省份对上本数据集 6,562 行(100%)
- 省级邻接空间权重区域底数 · 961 行 · 连接字段 source_province按省份对上本数据集 6,562 行(100%)
- 省份距港口距离区域底数 · 31 行 · 连接字段 province按省份对上本数据集 6,562 行(100%)
- 省份空间邻接矩阵区域底数 · 33 行 · 连接字段 province_name按省份对上本数据集 6,539 行(99%)
- 省级两两距离区域底数 · 900 行 · 连接字段 source_province按省份对上本数据集 6,515 行(99%)
按 城市 能连
10 个数据集 · 本数据集 6,562 行有城市- 统筹区异地就医开通状态保险市场 · 425 行 · 连接字段 region_code按城市对上本数据集 6,509 行(99%)
- 全国养老机构点位医疗药械 · 5.8 万 行 · 连接字段 address_city_code按城市对上本数据集 6,508 行(99%)
- 全国行政区划代码参照区域底数 · 4,299 行 · 连接字段 parent_code按城市对上本数据集 6,502 行(99%)
- 资源型城市静态分类区域底数 · 289 行 · 连接字段 city_code按城市对上本数据集 6,460 行(98%)
- 地级市经济地理嵌套矩阵区域底数 · 8.1 万 行 · 连接字段 source_city_code按城市对上本数据集 6,429 行(97%)
- 地级市经济地理权重矩阵区域底数 · 8.1 万 行 · 连接字段 source_city_code按城市对上本数据集 6,429 行(97%)
- 地级市间交通通勤时间交通运输 · 7.3 万 行 · 连接字段 destination_city_code按城市对上本数据集 6,139 行(93%)
- 省级开发区基本信息区域底数 · 1,201 行 · 连接字段 city_code按城市对上本数据集 5,673 行(86%)
- 保险公司分支机构名录保险市场 · 2,452 行 · 连接字段 address_city_code按城市对上本数据集 1,283 行(19%)
- 供应链创新应用试点城市区域底数 · 55 行 · 连接字段 city_code按城市对上本数据集 1,063 行(16%)
只按年份能连:445 个数据集单独按年份连接多半没有意义,先看上面的组
按 年份 能连
445 个数据集- 全球双边贸易流量区域底数 · 2.2 亿 行 · 连接字段 year
- 出口企业产品质量企业主体 · 9912.4 万 行 · 连接字段 year
- 工企海关匹配对照企业主体 · 3137.8 万 行 · 连接字段 year
- 全球兴趣点建筑设施 · 2299.6 万 行 · 连接字段 created_date
- 上市公司专利被引统计企业主体 · 1432.1 万 行 · 连接字段 cited_apply_date
- A股上市公司日交易行情企业主体 · 1239.1 万 行 · 连接字段 trade_date
- 全国气象站逐日观测自然灾害 · 993.2 万 行 · 连接字段 date
- 上市公司年报数字化词频企业主体 · 969 万 行 · 连接字段 year
- 世行WDI国家指标区域底数 · 844.5 万 行 · 连接字段 year
- 全国格点逐年极端降水自然灾害 · 602.3 万 行 · 连接字段 year
- 主要城市兴趣点建筑设施 · 592 万 行 · 连接字段 date
- 美日韩港澳台传染病监测人口健康 · 502.5 万 行 · 连接字段 period_start
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。
还没有发现这个数据集的字段规律。
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/city-patent-green-patent/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"city","op":"eq","value":"北京市"}],"limit":10}'
交给 Agent
- 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。