
全国铁路列车经停时刻
一行是一趟列车从一个出发站到终点站的一段:车次、出发站和到达站(所在省市、站的类型)、车型、开车和到站时间、运行时间、里程。
v1 生效中 · 2026/11/14 发布险种标签:责任险健康险时间跨度:2025 年 1 月 2 日数据出处 研究整理数据,出处待核实。按铁路公开时刻表整理,2025 年 1 月 2 日更新
- 记录
- 7.9 万
- 字段
- 18
- AI 扩增字段
- 3
- 平均非空率
- 100%
- 字段完整度
18 个字段,15 个没有空值,3 个 AI 扩增
图片:logojackmowo Yao / Unsplash,Unsplash License(在新窗口打开图片的原始页面)
01字段
字段来源,逐一标明
共 18 个字段,其中 AI 扩增字段 3 个。非空率按当前版本的 79,435 行计算。
关于这个数据集
一行是一趟列车从一个出发站到终点站的一段:车次、出发站和到达站(所在省市、站的类型)、车型、开车和到站时间、运行时间、里程。包括高铁、动车和普速列车,按 2025 年 1 月 2 日的时刻表。可用来看城市之间的铁路连通和出行时间。
| 字段 | 类型 | 来源 | 非空率 | 可过滤 | 可返回 | 说明 |
|---|---|---|---|---|---|---|
| 列车车次train_no | 文本 | 原生 | 100% | 原表列名:Trnub | ||
| 出发站dep_station | 文本 | 原生 | 100% | 原表列名:Dptstt | ||
| 出发站所属地级市dep_city规律 1:出发站所属地级市的字段规律字段规律:dep_city_code由出发站所属省份、出发站所属地级市扩增得出。键:城市名称。样本里格式符合 92.5%,还没有参照 | 文本 | 原生 | 100% | 单位:Dpt。 原表列名:Pftn_Dpt | ||
| 出发站所属省份dep_province规律 1:出发站所属省份的字段规律字段规律:dep_city_code由出发站所属省份、出发站所属地级市扩增得出。键:省份名称。样本里格式符合 100%,还没有参照 | 文本 | 原生 | 100% | 单位:Dpt。 原表列名:Prvn_Dpt | ||
| 出发站类型dep_station_type | 文本 | 原生 | 100% | 如始发车、过路车 原表列名:Dptstttp | ||
| 到达站arr_station | 文本 | 原生 | 100% | 原表列名:Arvstt | ||
| 到达站所属地级市arr_city规律 1:到达站所属地级市的字段规律字段规律:arr_city_code由到达站所属省份、到达站所属地级市扩增得出。键:城市名称。样本里格式符合 84.3%,还没有参照 | 文本 | 原生 | 100% | 原表列名:Pftn_Arv | ||
| 到达站所属省份arr_province规律 1:到达站所属省份的字段规律字段规律:arr_city_code由到达站所属省份、到达站所属地级市扩增得出。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:Prvn_Arv | ||
| 到达站类型arr_station_type | 文本 | 原生 | 100% | 如终点站 原表列名:Arvstttp | ||
| 车型train_model | 文本 | 原生 | 100% | 原表列名:Models | ||
| 更新日期update_date规律 1:更新日期的字段规律字段规律:update_year由更新日期扩增得出。键:日期。样本里格式符合 100%,还没有参照 | 日期 | 原生 | 100% | 原表列名:Update | ||
| 开车时间dep_time | 文本 | 原生 | 100% | 格式 HH:MM 原表列名:Dpttm | ||
| 到站时间arr_time | 文本 | 原生 | 100% | 格式 HH:MM 原表列名:Arvtm | ||
| 运行时间duration | 文本 | 原生 | 100% | 如 22小时15分 原表列名:Oprttm | ||
| 里程mileage_km | 整数 | 原生 | 99% | 单位:km 原表列名:Mileage | ||
| 到达站所属地级市区划代码arr_city_code规律 1:到达站所属地级市区划代码的字段规律字段规律:arr_city_code由到达站所属省份、到达站所属地级市扩增得出。键:市级区划代码。样本里格式符合 100%,99.4% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源:到达站所属地级市区划代码 | 99%平均置信度 1.00校验少:不建议单独作为决策依据 | 由到达站所属省份、到达站所属地级市查行政区划参照得出的现行地级区划代码。程序查表,不用模型。对不上或置信度低的为空 | ||
| 出发站所属地级市区划代码dep_city_code规律 1:出发站所属地级市区划代码的字段规律字段规律:dep_city_code由出发站所属省份、出发站所属地级市扩增得出。键:市级区划代码。样本里格式符合 100%,98% 的行对上参照 region-name-alias | 文本 | 规则扩增第 2 级扩增查看溯源:出发站所属地级市区划代码 | 98%平均置信度 1.00校验少:不建议单独作为决策依据 | 由出发站所属省份、出发站所属地级市查行政区划参照得出的现行地级区划代码。程序查表,不用模型。对不上或置信度低的为空 | ||
| 更新年份update_year规律 1:更新年份的字段规律字段规律:update_year由更新日期扩增得出。键:年份。样本里格式符合 100%,还没有参照 | 整数 | 规则扩增第 1 级扩增查看溯源:更新年份 | 100%平均置信度 1.00校验少:不建议单独作为决策依据 | 从更新日期算出的年份 |
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。
| # | 列车车次train_no | 出发站dep_station | 出发站所属地级市dep_city | 出发站所属省份dep_province | 出发站类型dep_station_type | 到达站arr_station | 到达站所属地级市arr_city | 到达站所属省份arr_province | 到达站类型arr_station_type | 车型train_model | 更新日期update_date | 开车时间dep_time | 到站时间arr_time | 运行时间duration | 里程mileage_km | 到达站所属地级市区划代码arr_city_code | 出发站所属地级市区划代码dep_city_code | 更新年份update_year |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 1133 | 北京西 | 北京市 | 北京市 | 始发车 | 乌海西 | 乌海市 | 内蒙古自治区 | 终点站 | 普快 | 2025-01-02 | 15:30 | 13:45 | 22小时15分 | 1205 | 150300 | 110000 | 2025 |
| 2 | 1133 | 沙城 | 张家口市 | 河北省 | 过路车 | 乌海西 | 乌海市 | 内蒙古自治区 | 终点站 | 普快 | 2025-01-02 | 18:00 | 13:45 | 19小时49分 | 1090 | 150300 | 130700 | 2025 |
| 3 | 1133 | 下花园 | 张家口市 | 河北省 | 过路车 | 乌海西 | 乌海市 | 内蒙古自治区 | 终点站 | 普快 | 2025-01-02 | 18:26 | 13:45 | 19小时23分 | 1065 | 150300 | 130700 | 2025 |
| 4 | 1133 | 张家口 | 张家口市 | 河北省 | 过路车 | 乌海西 | 乌海市 | 内蒙古自治区 | 终点站 | 普快 | 2025-01-02 | 19:26 | 13:45 | 18小时30分 | 1015 | 150300 | 130700 | 2025 |
| 5 | 1133 | 柴沟堡 | 张家口市 | 河北省 | 过路车 | 乌海西 | 乌海市 | 内蒙古自治区 | 终点站 | 普快 | 2025-01-02 | 20:13 | 13:45 | 17小时35分 | 971 | 150300 | 130700 | 2025 |
| 6 | 1133 | 天镇 | 大同市 | 山西省 | 过路车 | 乌海西 | 乌海市 | 内蒙古自治区 | 终点站 | 普快 | 2025-01-02 | 21:01 | 13:45 | 16小时46分 | 923 | 150300 | 140200 | 2025 |
| 7 | 1133 | 阳高 | 大同市 | 山西省 | 过路车 | 乌海西 | 乌海市 | 内蒙古自治区 | 终点站 | 普快 | 2025-01-02 | 21:30 | 13:45 | 16小时18分 | 894 | 150300 | 140200 | 2025 |
| 8 | 1133 | 大同 | 大同市 | 山西省 | 过路车 | 乌海西 | 乌海市 | 内蒙古自治区 | 终点站 | 普快 | 2025-01-02 | 22:38 | 13:45 | 15小时22分 | 837 | 150300 | 140200 | 2025 |
| 9 | 1133 | 丰镇 | 乌兰察布市 | 内蒙古自治区 | 过路车 | 乌海西 | 乌海市 | 内蒙古自治区 | 终点站 | 普快 | 2025-01-02 | 23:25 | 13:45 | 14小时22分 | 792 | 150300 | 150900 | 2025 |
| 10 | 1133 | 集宁南 | 乌兰察布市 | 内蒙古自治区 | 过路车 | 乌海西 | 乌海市 | 内蒙古自治区 | 终点站 | 普快 | 2025-01-02 | 03:44 | 13:45 | 10小时14分 | 710 | 150300 | 150900 | 2025 |
| 11 | 1133 | 呼和浩特 | 呼和浩特市 | 内蒙古自治区 | 过路车 | 乌海西 | 乌海市 | 内蒙古自治区 | 终点站 | 普快 | 2025-01-02 | 05:37 | 13:45 | 8小时28分 | 552 | 150300 | 150100 | 2025 |
| 12 | 1133 | 察素齐 | 呼和浩特市 | 内蒙古自治区 | 过路车 | 乌海西 | 乌海市 | 内蒙古自治区 | 终点站 | 普快 | 2025-01-02 | 06:13 | 13:45 | 7小时36分 | 501 | 150300 | 150100 | 2025 |
| 13 | 1133 | 萨拉齐 | 包头市 | 内蒙古自治区 | 过路车 | 乌海西 | 乌海市 | 内蒙古自治区 | 终点站 | 普快 | 2025-01-02 | 06:47 | 13:45 | 7小时0分 | 447 | 150300 | 150200 | 2025 |
| 14 | 1133 | 包头东 | 包头市 | 内蒙古自治区 | 过路车 | 乌海西 | 乌海市 | 内蒙古自治区 | 终点站 | 普快 | 2025-01-02 | 08:22 | 13:45 | 5小时27分 | 403 | 150300 | 150200 | 2025 |
| 15 | 1133 | 包头 | 包头市 | 内蒙古自治区 | 过路车 | 乌海西 | 乌海市 | 内蒙古自治区 | 终点站 | 普快 | 2025-01-02 | 08:47 | 13:45 | 5小时6分 | 387 | 150300 | 150200 | 2025 |
| 16 | 1133 | 乌拉特前旗 | 巴彦淖尔市 | 内蒙古自治区 | 过路车 | 乌海西 | 乌海市 | 内蒙古自治区 | 终点站 | 普快 | 2025-01-02 | 09:53 | 13:45 | 3小时54分 | 283 | 150300 | 150800 | 2025 |
| 17 | 1133 | 五原 | 巴彦淖尔市 | 内蒙古自治区 | 过路车 | 乌海西 | 乌海市 | 内蒙古自治区 | 终点站 | 普快 | 2025-01-02 | 10:55 | 13:45 | 3小时16分 | 226 | 150300 | 150800 | 2025 |
| 18 | 1133 | 临河 | 巴彦淖尔市 | 内蒙古自治区 | 过路车 | 乌海西 | 乌海市 | 内蒙古自治区 | 终点站 | 普快 | 2025-01-02 | 11:40 | 13:45 | 2小时11分 | 169 | 150300 | 150800 | 2025 |
| 19 | 1133 | 巴彦高勒 | 巴彦淖尔市 | 内蒙古自治区 | 过路车 | 乌海西 | 乌海市 | 内蒙古自治区 | 终点站 | 普快 | 2025-01-02 | 12:19 | 13:45 | 1小时29分 | 109 | 150300 | 150800 | 2025 |
| 20 | 1133 | 乌海 | 乌海市 | 内蒙古自治区 | 过路车 | 乌海西 | 乌海市 | 内蒙古自治区 | 终点站 | 普快 | 2025-01-02 | 13:19 | 13:45 | 30分 | 26 | 150300 | 150300 | 2025 |
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 v12026/11/14 发布
生效中79,435 行 · 18 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 78,946 行有城市- 地级市间月度人口迁徙区域底数 · 616.7 万 行 · 连接字段 origin_city_code、month、origin_province按城市对上本数据集 78,946 行(99%)
- 地级市分行业创新指数区域底数 · 574.7 万 行 · 连接字段 province、region_code、year按城市对上本数据集 78,946 行(99%)
- 全国土地出让记录工程项目 · 351.2 万 行 · 连接字段 year、province、city_code按城市对上本数据集 78,946 行(99%)
- 县级逐月风速自然灾害 · 293.5 万 行 · 连接字段 city_code、year、province按城市对上本数据集 78,946 行(99%)
- 地级市日度夜间灯光区域底数 · 172.6 万 行 · 连接字段 date、region_code、province按城市对上本数据集 78,946 行(99%)
- 地级市社会经济指标区域底数 · 93.2 万 行 · 连接字段 province、year、region_code按城市对上本数据集 78,946 行(99%)
- 地级市间年度人口迁徙区域底数 · 65.2 万 行 · 连接字段 year、origin_province、origin_city_code按城市对上本数据集 78,946 行(99%)
- 全国城市每日人口迁徙区域底数 · 65.1 万 行 · 连接字段 province、date、region_code按城市对上本数据集 78,946 行(99%)
- 地级市逐月降水量自然灾害 · 55.4 万 行 · 连接字段 province、year、region_code按城市对上本数据集 78,946 行(99%)
- 银行业金融机构网点明细保险市场 · 47.7 万 行 · 连接字段 province、city_code、date按城市对上本数据集 78,946 行(99%)
- 区县金融网点数量区域底数 · 39 万 行 · 连接字段 province、city_code、year按城市对上本数据集 78,946 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 78,946 行(99%)
按 省份 + 年份 能连
388 个数据集 · 本数据集 79,435 行有省份- 全国兴趣点高德地图建筑设施 · 2200 万 行 · 连接字段 pname、page_publish_time按省份对上本数据集 79,435 行(100%)
- 县市逐日天气自然灾害 · 1509.2 万 行 · 连接字段 date、province按省份对上本数据集 79,435 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 79,435 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 79,435 行(100%)
- 工业企业出口技术复杂度企业主体 · 75.2 万 行 · 连接字段 year、customs_province按省份对上本数据集 79,435 行(100%)
- 金融机构许可证企业主体 · 59 万 行 · 连接字段 issue_date、province按省份对上本数据集 79,435 行(100%)
- 县级逐月闪电自然灾害 · 34.2 万 行 · 连接字段 province、year按省份对上本数据集 79,435 行(100%)
- 省级环境关注度日度指数区域底数 · 27.5 万 行 · 连接字段 region_code、date按省份对上本数据集 79,435 行(100%)
- 省级日度夜间灯光区域底数 · 15.6 万 行 · 连接字段 date、province按省份对上本数据集 79,435 行(100%)
- 上市公司供应链效率企业主体 · 7.1 万 行 · 连接字段 year、province按省份对上本数据集 79,435 行(100%)
- 上市公司行业地域信息企业主体 · 7 万 行 · 连接字段 year、province按省份对上本数据集 79,435 行(100%)
- 上市公司跨境电商DID企业主体 · 6.9 万 行 · 连接字段 province、year按省份对上本数据集 79,435 行(100%)
按 城市 + 年份 能连
66 个数据集 · 本数据集 78,946 行有城市- 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 78,946 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 78,946 行(99%)
- 地级市数字普惠金融指数区域底数 · 4,706 行 · 连接字段 city_code、year按城市对上本数据集 78,946 行(99%)
- 地级市链长制政策面板区域底数 · 3,370 行 · 连接字段 city_code、year按城市对上本数据集 78,946 行(99%)
- 地级市链长制起始表区域底数 · 337 行 · 连接字段 start_year、city_code按城市对上本数据集 78,946 行(99%)
- 地区新冠疫情每日统计人口健康 · 38.4 万 行 · 连接字段 date、region_code按城市对上本数据集 78,943 行(99%)
- 地级市新能源汽车月度销量交通运输 · 3.3 万 行 · 连接字段 city_code、month按城市对上本数据集 78,938 行(99%)
- 全国创新型中小企业数量区域底数 · 2,102 行 · 连接字段 year、region_code按城市对上本数据集 78,890 行(99%)
- 省市疫情日度统计人口健康 · 33 万 行 · 连接字段 date、region_code按城市对上本数据集 78,741 行(99%)
- 全国专利许可记录企业主体 · 19.2 万 行 · 连接字段 pub_date、applicant_address_city_code按城市对上本数据集 78,629 行(98%)
- 地级市土地出让金区域底数 · 1.2 万 行 · 连接字段 region_code_adj、year按城市对上本数据集 78,410 行(98%)
- 地级市实际利用外资区域底数 · 7,529 行 · 连接字段 region_code、year按城市对上本数据集 78,199 行(98%)
按 城市 + 省份 能连
29 个数据集 · 本数据集 78,946 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 78,946 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 78,946 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 78,946 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 78,946 行(99%)
- 地级市宗族文化占比区域底数 · 338 行 · 连接字段 province_code、city_code按城市对上本数据集 78,946 行(99%)
- 全国县级常住人口区域底数 · 3,052 行 · 连接字段 city_code、province按城市对上本数据集 78,902 行(99%)
- 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 78,855 行(99%)
- 全国区县方言分类区域底数 · 2,300 行 · 连接字段 province_code、city_code按城市对上本数据集 78,799 行(99%)
- 地级市地形起伏度自然灾害 · 360 行 · 连接字段 province、region_code按城市对上本数据集 78,562 行(98%)
- 全国地级市道观数量区域底数 · 341 行 · 连接字段 city_code、province按城市对上本数据集 78,278 行(98%)
- 全国银行网点明细企业主体 · 12 万 行 · 连接字段 province、city_code按城市对上本数据集 78,107 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 77,333 行(97%)
按 省份 能连
18 个数据集 · 本数据集 79,435 行有省份- 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 79,435 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 79,435 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 79,435 行(100%)
- 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 79,362 行(99%)
- 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 79,362 行(99%)
- 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 79,362 行(99%)
- 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 79,362 行(99%)
- 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 79,362 行(99%)
- 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 79,362 行(99%)
- 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 79,362 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 79,337 行(99%)
- 省级空间邻接矩阵区域底数 · 900 行 · 连接字段 province按省份对上本数据集 79,337 行(99%)
按 城市 能连
10 个数据集 · 本数据集 78,946 行有城市- 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 78,946 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 78,946 行(99%)
- 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 78,946 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 77,318 行(97%)
- 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 77,256 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 77,256 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 76,879 行(96%)
- 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 73,838 行(92%)
- 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 57,748 行(72%)
- 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 41,441 行(52%)
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。
本数据集内3
- 扩增得出
arr_city_code由到达站所属省份、到达站所属地级市扩增得出。
来自字段扩增全国铁路列车经停时刻全国铁路列车经停时刻 - 扩增得出
dep_city_code由出发站所属省份、出发站所属地级市扩增得出。
来自字段扩增全国铁路列车经停时刻全国铁路列车经停时刻 - 扩增得出
update_year由更新日期扩增得出。
来自字段扩增全国铁路列车经停时刻全国铁路列车经停时刻
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/railway-train-stop-schedule/query' \ -H "Authorization: Bearer $WI_API_KEY" \ -H 'Content-Type: application/json' \ -d '{"filters":[{"field":"train_no","op":"eq","value":"1133"}],"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。