Rumah pembangunan bahagian belakang Tutorial Python Membina Enjin Perisikan Syarikat Masa Nyata dengan Linkup dalam Lines of Python

Membina Enjin Perisikan Syarikat Masa Nyata dengan Linkup dalam Lines of Python

Dec 07, 2024 am 08:39 AM

Building a Real-time Company Intelligence Engine with Linkup in Lines of Python

Pernah cuba menyelidik bakal pelanggan minit sebelum panggilan jualan, hanya untuk mendapati pembekal data mahal anda mempunyai maklumat lapuk? Ya, saya juga. Itulah sebabnya saya menghabiskan hujung minggu lalu membina sesuatu yang berbeza.

Masalah dengan Data Statik?

Berikut ialah senario yang mungkin terdengar biasa:

Wakil jualan anda akan membuat panggilan dengan prospek yang hangat. Mereka segera mencari syarikat itu dalam alat pengayaan data mewah anda dan dengan yakin menyebut, "Saya lihat anda baru-baru ini menaikkan Siri A anda!" Hanya untuk mendengar ketawa janggal diikuti dengan "Sebenarnya, itu dua tahun lalu. Kami baru sahaja menutup Siri C kami bulan lepas."

Aduh.

Pangkalan data statik, tidak kira betapa komprehensifnya, berkongsi satu kelemahan asas: ia statik. Apabila maklumat dikumpul, diproses dan disediakan, ia selalunya sudah lapuk. Dalam dunia teknologi dan perniagaan yang bergerak pantas, itu adalah masalah sebenar.

Pendekatan Berbeza?

Bagaimana jika daripada bergantung pada data yang telah dikumpul, kita boleh:

  • Dapatkan maklumat masa nyata dari seluruh web
  • Strukturnya dengan tepat mengikut keperluan kita
  • Jangan risau tentang kesegaran data lagi

Itulah yang akan kami bina hari ini menggunakan API Linkup. Bahagian yang terbaik? Ia hanya 50 baris Python.

Mari Bina! ?

Masa untuk menulis beberapa kod! Tetapi jangan risau - kami akan memecahkannya kepada kepingan bersaiz kecil yang boleh difahami walaupun rakan sekerja bukan teknikal anda (baik, hampir ?).

1. Menyediakan Projek Kami ?

Mula-mula, mari buat projek kami dan pasang alatan yang kami perlukan:

mkdir company-intel
cd company-intel
pip install linkup-sdk pydantic
Salin selepas log masuk
Salin selepas log masuk

Tiada yang menarik di sini - hanya mencipta folder baharu dan memasang dua bahan ajaib kami: linkup-sdk untuk mengambil data dan pydantic untuk memastikan data kami kelihatan cantik.

2. Mentakrifkan Apa yang Kami Ingin Tahu?

Sebelum kita mula merebut data, mari kita tentukan perkara yang sebenarnya ingin kita ketahui tentang syarikat. Anggap ini sebagai senarai hajat anda:

# schema.py - Our data wishlist! ?
from pydantic import BaseModel
from typing import List, Optional
from enum import Enum

class CompanyInfo(BaseModel):
    # The basics
    name: str = ""                      # Company name (duh!)
    website: str = ""                   # Where they live on the internet
    description: str = ""                # What they do (hopefully not just buzzwords)

    # The interesting stuff
    latest_funding: str = ""   # Show me the money! ?
    recent_news: List[str] = []         # What's the buzz? ?
    leadership_team: List[str]  = []    # Who's running the show? ?
    tech_stack: List[str] = []         # The tools they love ⚡
Salin selepas log masuk
Salin selepas log masuk

Ini seperti memberitahu restoran dengan tepat apa yang anda mahukan dalam sandwic anda. Kami menggunakan pydantic untuk memastikan kami mendapat apa yang kami pesan!

3. Mesin Ajaib ?✨

Kini untuk bahagian yang menyeronokkan - enjin yang menjadikan segala-galanya berfungsi:

# company_intel.py - Where the magic happens! ?
from linkup import LinkupClient
from schema import CompanyInfo
from typing import List

class CompanyIntelligence:
    def __init__(self, api_key: str):
        # Initialize our crystal ball (aka Linkup client)
        self.client = LinkupClient(api_key=api_key)

    def research_company(self, company_name: str) -> CompanyInfo:
        # Craft our research question
        query = f"""
        Hey Linkup! Tell me everything fresh about {company_name}:

        ? The name of the company, its website, and a short description.
        ? Any recent funding rounds or big announcements?
        ? Who's on the leadership team right now?
        ?️ What tech are they using these days?
        ? What have they been up to lately?

        PS: Only stuff from the last 3 months, please!
        """

        # Ask the question and get structured answers
        response = self.client.search(
            query=query,            # What we want to know
            depth="deep",           # Go deep, not shallow
            output_type="structured",  # Give me clean data
            structured_output_schema=CompanyInfo  # Format it like our wishlist
        )

        return response
Salin selepas log masuk
Salin selepas log masuk

Mari kita pecahkan apa yang berlaku di sini:

  1. Kami mencipta kelas Perisikan Syarikat baharu (nama menarik, bukan?)
  2. Mulakan ia dengan kunci API kami (kunci kepada kerajaan)
  3. Tentukan kaedah yang mengambil nama syarikat dan mengembalikan semua butiran menarik
  4. Tulis pertanyaan mesra yang memberitahu Linkup apa yang kita mahukan
  5. Dapatkan kembali data yang bersih dan berstruktur yang sepadan dengan senarai hajat kami

4. Menjadikannya Sedia Pengeluaran?

Sekarang mari kita bungkusnya dengan API yang bagus yang boleh digunakan oleh seluruh pasukan anda:

mkdir company-intel
cd company-intel
pip install linkup-sdk pydantic
Salin selepas log masuk
Salin selepas log masuk

Apa yang menarik di sini:

  • FastAPI menjadikan alat kami tersedia melalui HTTP (mewah!)
  • Titik akhir GET ringkas yang boleh digunakan oleh sesiapa sahaja

5. Mari Berputar! ?

Masa untuk melihat ciptaan kami beraksi:

# schema.py - Our data wishlist! ?
from pydantic import BaseModel
from typing import List, Optional
from enum import Enum

class CompanyInfo(BaseModel):
    # The basics
    name: str = ""                      # Company name (duh!)
    website: str = ""                   # Where they live on the internet
    description: str = ""                # What they do (hopefully not just buzzwords)

    # The interesting stuff
    latest_funding: str = ""   # Show me the money! ?
    recent_news: List[str] = []         # What's the buzz? ?
    leadership_team: List[str]  = []    # Who's running the show? ?
    tech_stack: List[str] = []         # The tools they love ⚡
Salin selepas log masuk
Salin selepas log masuk

Dan voilà! Data syarikat masa nyata yang segar di hujung jari anda!

6. Sambungan Seronok ?

Ingin menjadikannya lebih sejuk? Berikut ialah beberapa penambahan menyeronokkan yang boleh anda buat:

# company_intel.py - Where the magic happens! ?
from linkup import LinkupClient
from schema import CompanyInfo
from typing import List

class CompanyIntelligence:
    def __init__(self, api_key: str):
        # Initialize our crystal ball (aka Linkup client)
        self.client = LinkupClient(api_key=api_key)

    def research_company(self, company_name: str) -> CompanyInfo:
        # Craft our research question
        query = f"""
        Hey Linkup! Tell me everything fresh about {company_name}:

        ? The name of the company, its website, and a short description.
        ? Any recent funding rounds or big announcements?
        ? Who's on the leadership team right now?
        ?️ What tech are they using these days?
        ? What have they been up to lately?

        PS: Only stuff from the last 3 months, please!
        """

        # Ask the question and get structured answers
        response = self.client.search(
            query=query,            # What we want to know
            depth="deep",           # Go deep, not shallow
            output_type="structured",  # Give me clean data
            structured_output_schema=CompanyInfo  # Format it like our wishlist
        )

        return response
Salin selepas log masuk
Salin selepas log masuk

Kesan Dunia Sebenar ?

Kami telah menggunakan ini dalam pengeluaran untuk pasukan jualan kami, dan ia telah menjadi pengubah permainan:

  • Penyelidikan pra-panggilan sentiasa terkini
  • Wakil jualan lebih yakin dalam jangkauan mereka
  • Kami menerima kemas kini penting syarikat apabila ia berlaku
  • Data kami sebenarnya menjadi lebih baik dari semasa ke semasa, bukan lebih teruk

Mengapa Ini Penting?

  1. Sentiasa Segar: Maklumat dikumpul dalam masa nyata, bukan diambil daripada pangkalan data statik
  2. Komprehensif: Menggabungkan data daripada pelbagai sumber di seluruh web
  3. Boleh disesuaikan: Susun data dengan tepat cara pasukan anda memerlukannya
  4. Cekap: Cukup pantas untuk carian masa nyata sebelum panggilan
  5. Boleh diselenggara: Kod ringkas yang boleh difahami dan diubah suai oleh mana-mana pembangun

Idea Masa Depan?

Kemungkinan tidak berkesudahan! Berikut ialah beberapa idea untuk meneruskannya:

Untuk Pasukan Jualan:

  • Slack bot untuk carian segera (/nama syarikat penyelidikan)
  • Sambungan Chrome yang menunjukkan maklumat syarikat di LinkedIn
  • Pengayaan CRM automatik

Untuk Pasukan Pemasaran:

  • Jejaki strategi kandungan pesaing
  • Pantau arah aliran industri
  • Kenal pasti peluang perkongsian yang berpotensi

Untuk Pasukan Produk:

  • Jejaki pelancaran ciri pesaing
  • Pantau tindanan teknologi pelanggan
  • Kenal pasti peluang integrasi

Cuba Sendiri ?️

Bersedia untuk membina sendiri? Inilah yang anda perlukan:

  1. Dapatkan kunci API Pautan
  2. Salin kod di atas
  3. Sesuaikan skema untuk keperluan anda
  4. Sebarkan dan nikmati data syarikat yang sentiasa segar!

Membungkus?

Hari pangkalan data statik dinomborkan. Dalam dunia di mana syarikat berputar semalaman, meningkatkan pusingan setiap minggu dan menukar susunan teknologi mereka setiap bulan, kecerdasan masa nyata bukan sahaja bagus untuk dimiliki—ia penting.

Apa yang kami bina di sini hanyalah permulaan. Bayangkan menggabungkan ini dengan:

  • AI untuk cerapan automatik
  • Pengesanan trend merentas industri
  • Analisis ramalan untuk pertumbuhan syarikat

Adakah anda membina sesuatu yang serupa? Bagaimanakah anda menangani cabaran memastikan data syarikat sentiasa segar? Beritahu saya dalam ulasan!

python #api #saas #webdev #buildinpublic


Dibina dengan ☕ dan obsesi yang sihat dengan data baharu

Atas ialah kandungan terperinci Membina Enjin Perisikan Syarikat Masa Nyata dengan Linkup dalam Lines of Python. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

Video Face Swap

Video Face Swap

Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Alat panas

Notepad++7.3.1

Notepad++7.3.1

Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1

Hantar Studio 13.0.1

Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas

Tutorial Java
1659
14
Tutorial PHP
1258
29
Tutorial C#
1232
24
Python vs C: Aplikasi dan kes penggunaan dibandingkan Python vs C: Aplikasi dan kes penggunaan dibandingkan Apr 12, 2025 am 12:01 AM

Python sesuai untuk sains data, pembangunan web dan tugas automasi, manakala C sesuai untuk pengaturcaraan sistem, pembangunan permainan dan sistem tertanam. Python terkenal dengan kesederhanaan dan ekosistem yang kuat, manakala C dikenali dengan keupayaan kawalan dan keupayaan kawalan yang mendasari.

Rancangan Python 2 jam: Pendekatan yang realistik Rancangan Python 2 jam: Pendekatan yang realistik Apr 11, 2025 am 12:04 AM

Anda boleh mempelajari konsep pengaturcaraan asas dan kemahiran Python dalam masa 2 jam. 1. Belajar Pembolehubah dan Jenis Data, 2.

Python: Permainan, GUI, dan banyak lagi Python: Permainan, GUI, dan banyak lagi Apr 13, 2025 am 12:14 AM

Python cemerlang dalam permainan dan pembangunan GUI. 1) Pembangunan permainan menggunakan pygame, menyediakan lukisan, audio dan fungsi lain, yang sesuai untuk membuat permainan 2D. 2) Pembangunan GUI boleh memilih tkinter atau pyqt. TKInter adalah mudah dan mudah digunakan, PYQT mempunyai fungsi yang kaya dan sesuai untuk pembangunan profesional.

Berapa banyak python yang boleh anda pelajari dalam 2 jam? Berapa banyak python yang boleh anda pelajari dalam 2 jam? Apr 09, 2025 pm 04:33 PM

Anda boleh mempelajari asas -asas Python dalam masa dua jam. 1. Belajar pembolehubah dan jenis data, 2. Struktur kawalan induk seperti jika pernyataan dan gelung, 3 memahami definisi dan penggunaan fungsi. Ini akan membantu anda mula menulis program python mudah.

Python vs C: Lengkung pembelajaran dan kemudahan penggunaan Python vs C: Lengkung pembelajaran dan kemudahan penggunaan Apr 19, 2025 am 12:20 AM

Python lebih mudah dipelajari dan digunakan, manakala C lebih kuat tetapi kompleks. 1. Sintaks Python adalah ringkas dan sesuai untuk pemula. Penaipan dinamik dan pengurusan memori automatik menjadikannya mudah digunakan, tetapi boleh menyebabkan kesilapan runtime. 2.C menyediakan kawalan peringkat rendah dan ciri-ciri canggih, sesuai untuk aplikasi berprestasi tinggi, tetapi mempunyai ambang pembelajaran yang tinggi dan memerlukan memori manual dan pengurusan keselamatan jenis.

Python dan Masa: Memanfaatkan masa belajar anda Python dan Masa: Memanfaatkan masa belajar anda Apr 14, 2025 am 12:02 AM

Untuk memaksimumkan kecekapan pembelajaran Python dalam masa yang terhad, anda boleh menggunakan modul, masa, dan modul Python. 1. Modul DateTime digunakan untuk merakam dan merancang masa pembelajaran. 2. Modul Masa membantu menetapkan kajian dan masa rehat. 3. Modul Jadual secara automatik mengatur tugas pembelajaran mingguan.

Python: meneroka aplikasi utamanya Python: meneroka aplikasi utamanya Apr 10, 2025 am 09:41 AM

Python digunakan secara meluas dalam bidang pembangunan web, sains data, pembelajaran mesin, automasi dan skrip. 1) Dalam pembangunan web, kerangka Django dan Flask memudahkan proses pembangunan. 2) Dalam bidang sains data dan pembelajaran mesin, numpy, panda, scikit-learn dan perpustakaan tensorflow memberikan sokongan yang kuat. 3) Dari segi automasi dan skrip, Python sesuai untuk tugas -tugas seperti ujian automatik dan pengurusan sistem.

Python: Automasi, skrip, dan pengurusan tugas Python: Automasi, skrip, dan pengurusan tugas Apr 16, 2025 am 12:14 AM

Python cemerlang dalam automasi, skrip, dan pengurusan tugas. 1) Automasi: Sandaran fail direalisasikan melalui perpustakaan standard seperti OS dan Shutil. 2) Penulisan Skrip: Gunakan Perpustakaan Psutil untuk memantau sumber sistem. 3) Pengurusan Tugas: Gunakan perpustakaan jadual untuk menjadualkan tugas. Kemudahan penggunaan Python dan sokongan perpustakaan yang kaya menjadikannya alat pilihan di kawasan ini.

See all articles