• API 功能

    • 基于 LightGBM 梯度提升框架,融合院校分数线、高校与专业录取分数线、分段位次等多源异构数据;
    • 采用概率校准机制,对模型输出进行稳定化处理,提升录取概率结果的一致性与可解释性;
    • 返回录取概率摘要标签,并提供分差、梯度与统计指标,辅助进行志愿分层判断;
    • 支持自定义概率区间分层与每档数量,一次返回保、稳、冲等多档志愿结果;
    • 支持按需返回 SHAP 因子解释,辅助理解当前预测结果的主要驱动因素;
    • 支持省份过滤、白名单院校、Top-N 控制等高级筛选能力;
    • 支持专业级预测;当专业样本不足时,系统会自动切换到可用的预测路径;
    • 支持 Query 与 JSON 组合入参,便于脚本与后端系统同时调用;
    • 预测结果会结合当前可用的最新招生年份数据与历史样本进行计算;
    • 全接口通过 HTTPS 提供服务;
    • 全面兼容 Apple ATS;
    • 全国多节点 CDN 部署;
    • 接口调用状态与状态监控
  • API 文档

    接口地址: https://api.gugudata.com/ai/admission/predict

    返回格式: application/json; charset=utf-8

    请求方式: POST

    请求协议: HTTPS

    请求示例: https://api.gugudata.com/ai/admission/predict?appkey=YOUR_APPKEY

    数据预览: https://www.gugudata.com/preview/admission-predict

    接口测试:  https://api.gugudata.com/ai/admission/predict/demo

    OpenAPI: https://www.gugudata.com/openapi/gugudata.openapi.3.1.json

    请求参数(POST 请求参数以 application/json 格式传递;推荐通过 AppKey Header 鉴权,具体可参见下方示例代码)

    参数名 参数类型 是否必须 默认值 备注
    appkey string YOUR_APPKEY 付费后获取的 APPKEY。新接入推荐通过 AppKey Header 传递;历史 Query 或 JSON body 中的 appkey 继续兼容。
    province string N/A 考生所在省份,与历年分数线数据保持一致
    subject_type string N/A 科类/选科:理科、文科、物理类、历史类、综合等
    score number N/A 考生裸分(0-750)
    rank integer N/A 考生全省位次,可为空(为空时结合分段位次推断)
    batch string 本科批 报考批次,目前支持普通本科批次
    top_n integer 50 返回院校数量上限,范围 1-200;传入 probability_tiers 时按各档位数量返回
    probability_tiers array [{"name":"safe","label":"保","min_probability":0.98,"limit":3},{"name":"stable","label":"稳","min_probability":0.8,"limit":3},{"name":"reach","label":"冲","min_probability":0.75,"limit":3}] 概率分层配置,仅支持 JSON Body 传入。示例:[{"name":"safe","label":"保","min_probability":0.98,"limit":3},{"name":"stable","label":"稳","min_probability":0.8,"limit":3},{"name":"reach","label":"冲","min_probability":0.75,"limit":3}]。每项包含 name、label、min_probability、limit;min_probability 必须严格递减,相邻档位自动形成概率区间;可配合 tier_sort 控制每档内部取数顺序,用于一次返回保、稳、冲等多档志愿结果;不传时继续按 top_n 返回。
    tier_sort string probability 概率分层每档内部排序策略,仅在 probability_tiers 生效时使用;可选 probability、college_rank、balanced。probability 按录取概率排序,college_rank 按院校排名优先,balanced 综合院校层次、排名和概率。
    include_explanation boolean false 是否返回 SHAP 补充解释,默认关闭以控制响应时延,开启后仅对部分结果返回解释信息
    prefer_local boolean false 是否在排序时优先本省院校
    college_provinces array N/A 按院校所在省份过滤,留空则不过滤;Query 方式可多次传值,格式 ["江苏", "上海"]
    target_colleges array N/A 指定院校名单,仅对名单内院校预测
    uuid string N/A 指定一个院校唯一 ID,仅对该院校预测;可使用全国大学高校基础信息接口返回的 SchoolUUID
    target_college_uuids array N/A 指定院校唯一 ID 列表,仅对名单内院校预测;多个值可使用数组或逗号分隔字符串
    year integer 2025 预测年份,用于匹配最新控制线与分数线
    major_name string N/A 专业名称(用于专业级预测),命中专业样本时优先返回该专业结果;若样本不足,系统可能切换到院校层或其他兼容预测路径
    local_batch_name string N/A 本地批次名称(用于过滤),不提供时默认使用 batch 参数的值

    返回参数

    参数名 参数类型 备注
    DataStatus.StatusCode integer 接口状态码,100 表示成功
    DataStatus.StatusDescription string 接口返回状态说明
    DataStatus.ResponseDateTime string 返回时间
    DataStatus.DataTotalCount integer 本次返回院校数量
    Data.predictions array 预测结果列表
    Data.predictions[].college_name string 院校名称
    Data.predictions[].admission_probability number 录取概率 (0-1)
    Data.predictions[].recommendation string 结果摘要标签:录取概率高 / 需要注意梯度,但成功率较高 / 录取概率低,用于快速概览当前结果
    Data.predictions[].long_recommendation string 面向用户的长句原因解释,结合近年录取线、分差、院校层次、专业匹配情况与补充策略生成
    Data.predictions[].evidence object 关键证据信息对象,可能包含近三年最低线、加权基线分差、省控线差、院校层次、院校排名、招生计划覆盖率、聚合模式等字段
    Data.predictions[].shap_explanation object SHAP 解释信息,含 base_probability、predicted_probability、top_features,仅在 include_explanation=true 时返回
    Data.predictions[].major_name string 命中专业级预测时返回对应专业名称;若结果回退到院校层,则该字段可能为空
    Data.predictions[].tier_name string 命中的概率档位标识,仅在请求 probability_tiers 时返回
    Data.predictions[].tier_label string 命中的概率档位展示名称,仅在请求 probability_tiers 时返回
    Data.predictions[].tier_min_probability number 命中档位的录取概率下限,仅在请求 probability_tiers 时返回;下一档会自动以上一档下限作为概率上界
    Data.meta.total_colleges integer 返回院校数量
    Data.meta.student_score number 考生分数
    Data.meta.student_province string 考生省份
    Data.meta.local_colleges integer 结果中同省院校数量,无 is_local 字段时为 null
    Data.meta.score_diff_min number 分差绝对值最小值
    Data.meta.score_diff_median number 分差绝对值中位数,用于梯度判断
    Data.meta.prefer_local boolean 是否启用本省优先排序
    Data.meta.college_provinces array 请求中用于过滤院校省份的列表
    Data.meta.model_version string 模型版本号
    Data.meta.probability_tiers array 概率分层返回统计,仅在请求 probability_tiers 时返回;每项包含 name、label、min_probability、limit、returned_count,下一档会自动以上一档下限作为概率上界
    Data.meta.tier_sort string 本次概率分层每档内部排序策略,仅在请求 probability_tiers 时返回
    Data.meta.fallback.applied boolean 是否启用了 fallback 或补充预测策略
    Data.meta.fallback.strategy string fallback 策略标识,用于说明当前结果采用的兼容预测路径
    Data.meta.fallback.requested_year integer 请求中传入的目标预测年份
    Data.meta.fallback.effective_year integer 实际用于匹配分数线或历史样本的有效年份
    Data.meta.fallback.requested_major_name string 请求中传入的专业名称
    Data.meta.fallback.effective_major_name string 实际命中的参考专业名称;若未命中稳定专业样本则为空
    Data.disclaimer string 免责声明

    响应示例

    接口数据预览
    {
      "DataStatus": {
        "RequestParameter": "{\"province\": \"江苏\", \"subject_type\": \"物理类\", \"score\": 635, \"rank\": 12000, \"batch\": \"本科批\", \"top_n\": 10, \"include_explanation\": false, \"prefer_local\": false, \"college_provinces\": [\"江苏\", \"上海\"], \"target_colleges\": [\"南京大学\", \"东南大学\", \"南京航空航天大学\", \"南京理工大学\", \"苏州大学\", \"南京邮电大学\", \"河海大学\", \"江南大学\", \"上海大学\", \"华东理工大学\"], \"year\": 2026, \"local_batch_name\": \"本科批\"}",
        "StatusCode": 100,
        "StatusDescription": "预测成功",
        "ResponseDateTime": "2026-07-13 06:48:03.967",
        "DataTotalCount": 3,
        "RequestId": "7a7dd0cb-753f-493c-9b84-96c9f4e1d2ee"
      },
      "Data": {
        "predictions": [
          {
            "college_name": "南京邮电大学",
            "admission_probability": 0.8336255888718451,
            "evidence": {
              "recent_3y_min_score": [
                623.0,
                623.0
              ],
              "score_gap": 12.0,
              "score_gap_original": 12.0,
              "province_line_gap": 172.0,
              "is_985": false,
              "is_211": false,
              "is_dual_class": true,
              "college_rank": 122,
              "plan_enrollment": 310,
              "plan_coverage_ratio": 0.7571258907363421,
              "major_hist_avg": 627.0,
              "major_recent_min_trend": 0.0,
              "aggregation_mode": "plan_weighted_school_probability",
              "matched_plan_rows": 22,
              "covered_plan_total": 2550,
              "school_plan_total": 3368
            },
            "shap_explanation": null,
            "recommendation": "录取概率高",
            "long_recommendation": "当前录取概率较高,按近年录取情况看,你的分数处于相对安全区间。你的分数高于近三年最低线12分,也高于近三年均值线12分。该结果按可匹配专业的招生计划加权汇总,更接近学校整体录取难度。",
            "major_name": null,
            "tier_name": null,
            "tier_label": null,
            "tier_min_probability": null
          },
          {
            "college_name": "江南大学",
            "admission_probability": 0.7824963041558483,
            "evidence": {
              "recent_3y_min_score": [
                624.0,
                600.0
              ],
              "score_gap": 27.799999999999955,
              "score_gap_original": 11.0,
              "province_line_gap": 172.0,
              "is_985": false,
              "is_211": true,
              "is_dual_class": true,
              "college_rank": 57,
              "plan_enrollment": 61,
              "plan_coverage_ratio": 0.8685782556750299,
              "major_hist_avg": 627.0,
              "major_recent_min_trend": 44.0,
              "aggregation_mode": "plan_weighted_school_probability",
              "matched_plan_rows": 42,
              "covered_plan_total": 727,
              "school_plan_total": 837
            },
            "shap_explanation": null,
            "recommendation": "需要注意梯度,但成功率较高",
            "long_recommendation": "当前录取机会较大,但仍需关注同分段竞争和院校梯度波动。你的分数高于近三年最低线11分,也高于近三年均值线35分。该结果按可匹配专业的招生计划加权汇总,更接近学校整体录取难度。",
            "major_name": null,
            "tier_name": null,
            "tier_label": null,
            "tier_min_probability": null
          },
          {
            "college_name": "苏州大学",
            "admission_probability": 0.6833778914183208,
            "evidence": {
              "recent_3y_min_score": [
                635.0,
                636.0
              ],
              "score_gap": -0.7000000000000455,
              "score_gap_original": 0.0,
              "province_line_gap": 172.0,
              "is_985": false,
              "is_211": true,
              "is_dual_class": true,
              "college_rank": 42,
              "plan_enrollment": 139,
              "plan_coverage_ratio": 0.81099324975892,
              "major_hist_avg": 636.0,
              "major_recent_min_trend": -4.0,
              "aggregation_mode": "plan_weighted_school_probability",
              "matched_plan_rows": 60,
              "covered_plan_total": 2523,
              "school_plan_total": 3111
            },
            "shap_explanation": null,
            "recommendation": "需要注意梯度,但成功率较高",
            "long_recommendation": "当前录取机会较大,但仍需关注同分段竞争和院校梯度波动。你的分数高于近三年最低线0分,但仍比近三年均值线低1分。该结果按可匹配专业的招生计划加权汇总,更接近学校整体录取难度。",
            "major_name": null,
            "tier_name": null,
            "tier_label": null,
            "tier_min_probability": null
          }
        ],
        "meta": {
          "total_colleges": 3,
          "student_score": 635.0,
          "student_province": "江苏",
          "local_colleges": null,
          "score_diff_min": 0.0,
          "score_diff_median": 11.0,
          "prefer_local": false,
          "college_provinces": [
            "江苏",
            "上海"
          ],
          "model_version": "v1.1.0"
        },
        "disclaimer": "本预测结果综合历年真实招生数据、院校录取趋势与机器学习模型推算而成,仅供志愿填报参考。建议结合当年政策、院校最新官方信息及个人实际情况综合判断,最终录取结果以各省考试院和院校官方公布为准。"
      }
    }
  • 鉴权方式

    接口支持以下 AppKey 传递方式,任选一种即可;已有请求示例、Postman 集合和历史代码仍可继续使用原来的 appkey 参数方式。

    传输载体 参数 示例 说明
    HTTP Header AppKey AppKey: YOUR_APPKEY 推荐方式,适合服务端接入和统一封装。
    HTTP Header X-GUGUDATA-APPKEY X-GUGUDATA-APPKEY: YOUR_APPKEY 兼容已有客户端的 Header 名称。
    HTTP Header X-API-Key X-API-Key: YOUR_APPKEY 通用 API Key Header,便于和常见 API 客户端集成。
    HTTP Header Authorization Authorization: Bearer YOUR_APPKEY 适合 OpenAI 兼容接口或 Bearer Token 风格客户端。
    Query 参数 appkey ?appkey=YOUR_APPKEY 兼容现有示例、Postman 集合、浏览器调试和历史代码。

    部分历史 POST 接口仍兼容表单或 JSON body 中的 appkey;新接入建议优先使用 Header 或 Query 参数。

  • 接口常见 HTTP 响应状态码

    以下为接口调用中常见的 HTTP 传输层状态码,不等同于响应体内的业务状态码;完整状态码注册表以 IANA HTTP Status Code Registry 为准。

    状态码 状态码解释 备注
    200 请求成功 HTTP 请求已成功处理;业务状态请结合响应体中的自定义业务码判断。
    201 资源已创建 创建类接口请求成功,并已生成对应资源。
    202 请求已接受 请求已被接受处理,结果可能异步完成。
    204 无响应内容 请求成功但响应体为空,适用于无需返回数据的操作。
    304 资源未变更 配合缓存或条件请求使用,表示可继续使用本地缓存。
    400 请求参数错误 请求参数缺失、格式错误或参数组合不合法。
    401 认证失败 缺少、无效或未通过认证的访问凭证(如 AppKey)。
    403 无权限访问 订单到期、权限不足或接口额度不可用。
    404 资源不存在 请求路径不存在。
    405 请求方法不允许 当前路径不支持该 HTTP 方法。
    408 请求超时 客户端请求在服务端等待时间内未完成,可稍后重试。
    409 请求冲突 请求与当前资源状态冲突,调整参数或业务状态后重试。
    413 请求内容过大 上传文件或请求体超过接口限制。
    414 请求地址过长 请求 URL 超过服务端可处理长度,建议减少查询参数或改用 POST。
    415 请求内容类型不支持 上传或请求体的内容类型不符合接口要求。
    422 请求语义错误 请求格式正确,但参数取值、语义或业务约束无法处理。
    429 请求频率受限 默认按来源 IP 限速,单 IP 最多 5 QPS,可满足常规业务调用。超出限制时接口会返回 429 请求频率受限;已购买接口订单可加购 10 QPS 扩展。
    431 请求头过大 请求头字段过大或过多,建议精简 Header 后重试。
    500 服务器内部错误 服务端处理异常,请稍后重试。
    502 网关或上游错误 网关或代理从上游服务收到异常响应。
    503 服务暂时不可用 服务维护、容量保护或依赖异常导致暂时不可用,请稍后重试。
    504 网关超时 网关等待上游服务响应超时,可稍后重试或降低请求复杂度。
  • 接口自定义业务状态码

    业务状态码 业务状态码解释 备注
    100 正常返回
    501 参数错误 缺少 province、subject_type、score 或 appkey 等必填参数
    502 请求频率受限 请降低请求频率
    503 APPKEY 过期或订单失效 请前往开发者中心确认订单有效期
    504 APPKEY 错误 请检查传递的 APPKEY 是否正确
    505 超出调用次数 当前 APPKEY 已达到订单调用上限
    -9 预测失败或服务处理异常 模型服务异常、数据源异常或内部处理失败时返回
  • 请求示例代码

    curl --location --request POST 'https://api.gugudata.com/ai/admission/predict?appkey=YOUR_APPKEY' \
    --header 'Content-Type: application/json' \
    --data '{"province":"江苏","subject_type":"物理类","score":635,"rank":12000,"batch":"本科批","top_n":3,"include_explanation":false,"prefer_local":false,"college_provinces":["江苏","上海"],"target_colleges":["南京邮电大学"],"year":2026}'
    #include <curl/curl.h>
    
    int main(void) {
      CURL *curl = curl_easy_init();
      if (curl) {
        curl_easy_setopt(curl, CURLOPT_URL, "https://api.gugudata.com/ai/admission/predict?appkey=YOUR_APPKEY");
        curl_easy_setopt(curl, CURLOPT_CUSTOMREQUEST, "POST");
        curl_easy_setopt(curl, CURLOPT_FOLLOWLOCATION, 1L);
        struct curl_slist *headers = NULL;
        headers = curl_slist_append(headers, "Content-Type: application/json");
        curl_easy_setopt(curl, CURLOPT_HTTPHEADER, headers);
        curl_easy_setopt(curl, CURLOPT_POSTFIELDS, "{\"province\":\"江苏\",\"subject_type\":\"物理类\",\"score\":635,\"rank\":12000,\"batch\":\"本科批\",\"top_n\":3,\"include_explanation\":false,\"prefer_local\":false,\"college_provinces\":[\"江苏\",\"上海\"],\"target_colleges\":[\"南京邮电大学\"],\"year\":2026}");
        CURLcode res = curl_easy_perform(curl);
        (void)res;
        curl_slist_free_all(headers);
        curl_easy_cleanup(curl);
      }
      return 0;
    }
    
    using System;
    using System.Collections.Generic;
    using System.IO;
    using System.Net.Http;
    using System.Text;
    
    var client = new HttpClient();
    var request = new HttpRequestMessage(HttpMethod.Post, "https://api.gugudata.com/ai/admission/predict?appkey=YOUR_APPKEY");
    request.Content = new StringContent("{\"province\":\"江苏\",\"subject_type\":\"物理类\",\"score\":635,\"rank\":12000,\"batch\":\"本科批\",\"top_n\":3,\"include_explanation\":false,\"prefer_local\":false,\"college_provinces\":[\"江苏\",\"上海\"],\"target_colleges\":[\"南京邮电大学\"],\"year\":2026}", Encoding.UTF8, "application/json");
    var response = client.SendAsync(request).Result;
    Console.WriteLine(response.Content.ReadAsStringAsync().Result);
    
    package main
    
    import (
      "strings"
      "fmt"
      "io"
      "net/http"
    )
    
    func main() {
      url := "https://api.gugudata.com/ai/admission/predict?appkey=YOUR_APPKEY"
      payload := strings.NewReader("{\"province\":\"江苏\",\"subject_type\":\"物理类\",\"score\":635,\"rank\":12000,\"batch\":\"本科批\",\"top_n\":3,\"include_explanation\":false,\"prefer_local\":false,\"college_provinces\":[\"江苏\",\"上海\"],\"target_colleges\":[\"南京邮电大学\"],\"year\":2026}")
      req, err := http.NewRequest("POST", url, payload)
      if err != nil {
        fmt.Println(err)
        return
      }
      req.Header.Add("Content-Type", "application/json")
      res, err := http.DefaultClient.Do(req)
      if err != nil {
        fmt.Println(err)
        return
      }
      defer res.Body.Close()
      body, err := io.ReadAll(res.Body)
      if err != nil {
        fmt.Println(err)
        return
      }
      fmt.Println(string(body))
    }
    
    OkHttpClient client = new OkHttpClient().newBuilder().build();
    MediaType mediaType = MediaType.parse("application/json");
    RequestBody body = RequestBody.create(mediaType, "{\"province\":\"江苏\",\"subject_type\":\"物理类\",\"score\":635,\"rank\":12000,\"batch\":\"本科批\",\"top_n\":3,\"include_explanation\":false,\"prefer_local\":false,\"college_provinces\":[\"江苏\",\"上海\"],\"target_colleges\":[\"南京邮电大学\"],\"year\":2026}");
    Request request = new Request.Builder()
      .url("https://api.gugudata.com/ai/admission/predict?appkey=YOUR_APPKEY")
      .method("POST", body)
      .build();
    Response response = client.newCall(request).execute();
    System.out.println(response.body().string());
    
    $.ajax({
      url: "https://api.gugudata.com/ai/admission/predict?appkey=YOUR_APPKEY",
      method: "POST",
      contentType: "application/json",
      data: JSON.stringify({"province":"江苏","subject_type":"物理类","score":635,"rank":12000,"batch":"本科批","top_n":3,"include_explanation":false,"prefer_local":false,"college_provinces":["江苏","上海"],"target_colleges":["南京邮电大学"],"year":2026}),
    }).done(function (response) {
      console.log(response);
    });
    
    const https = require("node:https");
    const url = "https://api.gugudata.com/ai/admission/predict?appkey=YOUR_APPKEY";
    const body = JSON.stringify({"province":"江苏","subject_type":"物理类","score":635,"rank":12000,"batch":"本科批","top_n":3,"include_explanation":false,"prefer_local":false,"college_provinces":["江苏","上海"],"target_colleges":["南京邮电大学"],"year":2026});
    
    const request = https.request(url, {
      method: "POST",
      headers: {
        "Content-Type": "application/json",
        "Content-Length": Buffer.byteLength(body)
      }
    }, handleResponse);
    request.on("error", console.error);
    request.write(body);
    request.end();
    
    function handleResponse(response) {
      const chunks = [];
      response.on("data", function (chunk) {
        chunks.push(chunk);
      });
      response.on("end", function () {
        console.log(Buffer.concat(chunks).toString("utf8"));
      });
    }
    
    #import <Foundation/Foundation.h>
    
    NSMutableURLRequest *request = [NSMutableURLRequest requestWithURL:[NSURL URLWithString:@"https://api.gugudata.com/ai/admission/predict?appkey=YOUR_APPKEY"]];
    [request setHTTPMethod:@"POST"];
    NSString *body = @"{\"province\":\"江苏\",\"subject_type\":\"物理类\",\"score\":635,\"rank\":12000,\"batch\":\"本科批\",\"top_n\":3,\"include_explanation\":false,\"prefer_local\":false,\"college_provinces\":[\"江苏\",\"上海\"],\"target_colleges\":[\"南京邮电大学\"],\"year\":2026}";
    [request setValue:@"application/json" forHTTPHeaderField:@"Content-Type"];
    [request setHTTPBody:[body dataUsingEncoding:NSUTF8StringEncoding]];
    NSURLSessionDataTask *task = [[NSURLSession sharedSession] dataTaskWithRequest:request completionHandler:^(NSData *data, NSURLResponse *response, NSError *error) {
      if (error) {
        NSLog(@"%@", error);
        return;
      }
      NSLog(@"%@", [[NSString alloc] initWithData:data encoding:NSUTF8StringEncoding]);
    }];
    [task resume];
    
    <?php
    $curl = curl_init();
    curl_setopt_array($curl, array(
      CURLOPT_URL => "https://api.gugudata.com/ai/admission/predict?appkey=YOUR_APPKEY",
      CURLOPT_RETURNTRANSFER => true,
      CURLOPT_FOLLOWLOCATION => true,
      CURLOPT_CUSTOMREQUEST => "POST",
      CURLOPT_POSTFIELDS => "{\"province\":\"江苏\",\"subject_type\":\"物理类\",\"score\":635,\"rank\":12000,\"batch\":\"本科批\",\"top_n\":3,\"include_explanation\":false,\"prefer_local\":false,\"college_provinces\":[\"江苏\",\"上海\"],\"target_colleges\":[\"南京邮电大学\"],\"year\":2026}",
      CURLOPT_HTTPHEADER => array(
        "Content-Type: application/json",
      ),
    ));
    $response = curl_exec($curl);
    curl_close($curl);
    echo $response;
    
    import requests
    import json
    
    url = "https://api.gugudata.com/ai/admission/predict?appkey=YOUR_APPKEY"
    payload = json.loads('{"province":"江苏","subject_type":"物理类","score":635,"rank":12000,"batch":"本科批","top_n":3,"include_explanation":false,"prefer_local":false,"college_provinces":["江苏","上海"],"target_colleges":["南京邮电大学"],"year":2026}')
    response = requests.post(url, json=payload)
    print(response.text)
    
    require "uri"
    require "net/http"
    
    url = URI("https://api.gugudata.com/ai/admission/predict?appkey=YOUR_APPKEY")
    https = Net::HTTP.new(url.host, url.port)
    https.use_ssl = true
    request = Net::HTTP::Post.new(url)
    request["Content-Type"] = "application/json"
    request.body = "{\"province\":\"江苏\",\"subject_type\":\"物理类\",\"score\":635,\"rank\":12000,\"batch\":\"本科批\",\"top_n\":3,\"include_explanation\":false,\"prefer_local\":false,\"college_provinces\":[\"江苏\",\"上海\"],\"target_colleges\":[\"南京邮电大学\"],\"year\":2026}"
    response = https.request(request)
    puts response.read_body
    
    import Foundation
    
    let semaphore = DispatchSemaphore(value: 0)
    var request = URLRequest(url: URL(string: "https://api.gugudata.com/ai/admission/predict?appkey=YOUR_APPKEY")!, timeoutInterval: .infinity)
    request.httpMethod = "POST"
    request.addValue("application/json", forHTTPHeaderField: "Content-Type")
    request.httpBody = "{\"province\":\"江苏\",\"subject_type\":\"物理类\",\"score\":635,\"rank\":12000,\"batch\":\"本科批\",\"top_n\":3,\"include_explanation\":false,\"prefer_local\":false,\"college_provinces\":[\"江苏\",\"上海\"],\"target_colleges\":[\"南京邮电大学\"],\"year\":2026}".data(using: .utf8)
    let task = URLSession.shared.dataTask(with: request) { data, response, error in
      defer { semaphore.signal() }
      guard let data = data else {
        print(String(describing: error))
        return
      }
      print(String(data: data, encoding: .utf8)!)
    }
    task.resume()
    semaphore.wait()
    
  • 常见问题 Q&A

    • Q: 数据请求有缓存吗?

      A: 接口默认以实时响应为目标。对于日更、月更等具备明确更新周期的数据,会在数据周期内采用缓存与预热策略,以提升响应速度和稳定性;实时查询类接口则以接口说明中的更新频率为准。建议业务侧结合数据时效要求设置本地缓存与重试策略,避免高频重复请求。

    • Q: 如何保证请求时 AppKey 的安全性?

      A: 建议将 AppKey 保存在服务端环境中,由后端统一调用 API,再向前端或业务系统返回必要结果。不要把 AppKey 写入网页、App 客户端或公开仓库;生产环境建议按系统或业务线拆分 AppKey,并保留调用日志,便于权限控制、审计与问题排查。

    • Q: 接口可以用于哪些开发语言?

      A: 只要支持 HTTPS 请求的语言和框架均可接入,包括 Java、Python、Node.js、PHP、Go、C#、Swift、Kotlin 等。推荐由后端统一封装调用逻辑,集中处理鉴权、缓存、限流、重试和错误码映射,让 Web、App、AI Agent、内部系统和自动化任务复用同一套数据能力。

    • Q: 接口的性能可以保证吗?

      A: GuGuData API 按生产环境标准部署,持续关注接口稳定性、响应速度与可用性。实际响应时间会受接口类型、请求参数、数据源更新和网络环境影响;建议生产接入前进行联调与压测,并设置合理的超时、重试、降级和告警策略。批量处理或高并发场景可提前评估 QPS、白名单和专属容量方案。

  • 服务协议与免责声明

    购买或使用 GuGuData API 服务前,请充分阅读服务协议、免责声明与数据合规声明。相关页面均支持在浏览器中快速导出 PDF,便于内部归档、评审和合规留存。

  • 技术支持

    • 技术支持邮箱: support@gugudata.com
    • 微信客服: 客服链接
  • 专业软件开发与系统工程服务

    GuGuData 官方认证工程合作伙伴,专注企业级数据接口集成、AI 工程化与大规模数据处理。团队深度理解 GuGuData 数据接口体系,具备海量数据采集、治理、检索与高并发接口服务经验,可围绕业务场景构建 AI Agent、MCP 接入、智能工作流和生产级数据应用,让数据能力稳定进入现有流程、内部平台和核心业务系统。

    了解工程服务