【硬核教程】博查AI Search API实战：全网搜索+智能问答+多模态卡片一键集成！AI时代的搜索引擎！

---

前言

在现在这个人工智能时代，你还在用传统的搜索吗？你还在为找到自己感兴趣的内容不断更换关键词吗？你还在一个网页一个网页的查找自己想要的信息吗？太慢了！！！
今天给大家分享一个AI时代的搜索引擎，全新的搜索体验，让大家用更少的时间获取自己最感兴趣的内容！
之前给大家分享过【手把手教学】用Python玩转博查AI Web Search API！全网搜索一键搞定！，今天带来它的进阶版——AI Search API！这个接口不仅能搜索全网信息，还能自动生成总结答案、推荐追问问题，甚至返回天气/百科/股票等结构化数据！手把手教你怎么玩转这个AI神器！

---

一、AI Search API

1.1 AI Search API 是什么？

你有没有想过，有没有一种API能帮你一键搜索全网信息，还能直接给出答案，甚至能回答你的追问？博查AI的 AI Search API 就是这样一款神器！

它能做什么？

• 搜索网页：返回相关网页内容，最多50条。

• 返回图片：与网页相关的图片资源。

• 智能模态卡：天气、百科、医疗、股票等一目了然的信息。

• 大模型总结答案：想要AI总结？它能搞定！

• 智能追问：你可能想问的下一个问题，AI都提前想好了！

1.2 API 入口在哪里？

• API域名： https://api.bochaai.com

• 请求地址： https://api.bochaai.com/v1/ai-search

1.3 AI Search API vs Web Search API：区别在哪？

让我们先快速的回顾一下Web Search API的内容，并对比一下两个接口的核心差异在哪：

功能	Web Search API	AI Search API
基础搜索	✅ 网页/图片	✅ 网页/图片/视频(需SDK)
结构化数据(模态卡)	❌	✅ 天气/百科/医疗/股票等15+类型
大模型生成答案	❌	✅ 自动总结+追问问题推荐
流式响应	❌	✅ 支持实时流式输出
单次返回最大结果数	50条	50条
适用场景	简单信息检索	智能问答/知识聚合/多模态交互

简单的说： Web Search可以作为你RAG模型的一环，下游你需要自己搭建一个模型来处理搜索返回的内容，但是AI Search可以全面优化你的使用体验，降低你的使用难度！

一句话总结：
AI Search = Web Search + 多模态数据 + 大模型智能处理 + 流式交互！

二、快速上手：5行代码调用AI Search API

2.1 前期准备（步骤同Web Search）

1. 获取API Key

前往博查AI开放平台 → API Key管理 → 创建新Key（具体步骤可以参考文章【手把手教学】用Python玩转博查AI Web Search API！全网搜索一键搞定！）

2. 安装依赖

pip install requests

2.2 怎么用？

1. 发送请求

   API 采用 POST 请求方式，传输 JSON 数据。

2. 请求头

   请求时需要加上一些必要的信息：

{
  "Authorization": "Bearer {你的API_KEY}",
  "Content-Type": "application/json"
}

• Authorization：你的身份认证，格式：Bearer API Key

• Content-Type：固定填 application/json，可以不填

3. 请求参数

参数	类型	必填	说明
query	String	✅	你要搜索的内容
freshness	String	❌	限定搜索时间（oneDay、oneWeek、oneMonth、oneYear、noLimit），默认为noLimit
count	Int	❌	搜索返回的结果数量，默认10，最多50
answer	Boolean	❌	是否用大模型总结（默认true）
stream	Boolean	❌	是否流式返回（默认false）

2.3 调用示例

代码如下：

import requests

API_KEY = "sk-你的密钥"
url = "https://api.bochaai.com/v1/ai-search"

payload = {
    "query": "北京今日天气",  # 搜索关键词
    "answer": True,        # 开启大模型总结
    "stream": False        # 非流式模式
}

headers = {"Authorization": f"Bearer {API_KEY}"}

response = requests.post(url, json=payload, headers=headers)

# 确保响应是成功的
if response.status_code == 200:
    # 获取JSON数据
    data = response.json()

    # 将JSON数据保存到文件
    with open('./response.json', 'w', encoding='utf-8') as f:
        json.dump(data, f, ensure_ascii=False, indent=4)

    print("数据已保存为 response.json 文件")
else:
    print(f"请求失败，状态码：{response.status_code}")

或者也可以简单的使用curl进行API的调用

curl --location 'https://api.bochaai.com/v1/ai-search' \
--header 'Authorization: Bearer sk-xxxxxxxx' \
--header 'Content-Type: application/json' \
--data '{
  "query": "西瓜的功效与作用",
  "freshness": "noLimit",
  "answer": false,
  "stream": false
}'

2.4 返回结果示例（非流式返回）

{
    "code": 200,
    "log_id": "1c66382f8ee339f4",
    "conversation_id": "8eaad0b73cf342d299579cc3f7aa364c",
    "messages": [
        {
            "role": "assistant",
            "type": "source",
            "content_type": "webpage",
            "content": {
                "webSearchUrl": "https://bochaai.com/search?q=西瓜的功效与作用",
                "value": [
                    {
                        "name": "西瓜的功效",
                        "url": "https://baike.sogou.com/v66235606.htm",
                        "snippet": "西瓜性寒，味甘，归心、胃、膀胱经；具有清热解暑、生津止渴、利尿除烦的功效。"
                    }
                ]
            }
        }
    ]
}

2.5 启用AI智能回答

如果 answer 设为 true，API 会返回 AI 生成的答案和推荐的追问。这里是AI Search的精华所在！

{
    "query": "人工智能的应用",
    "answer": true
}

返回示例：

{
    "messages": [
        {
            "role": "assistant",
            "type": "answer",
            "content": "人工智能的应用包括自动驾驶、医疗诊断、智能客服、金融风控等。"
        },
        {
            "role": "assistant",
            "type": "follow_up",
            "content": "你是否想了解人工智能在具体行业的应用？"
        }
    ]
}

三、核心功能解析：玩转高级搜索

3.1 多模态数据获取（模态卡）

搜索时自动识别关键词，返回结构化数据（示例）：

# 示例：获取股票信息
payload = {
    "query": "阿里巴巴股票", 
    "answer": False  # 关闭大模型总结，直接返回原始数据
}

response = requests.post(url, json=payload, headers=headers)
stock_data = response.json()['messages'][-1]['content']

模态卡是指搜索引擎中，根据用户不同的搜索词，动态显示的更深层次的信息。例如当用户搜索：北京天气时返回天气卡，搜索日期时返回日历卡；
支持的模态卡类型：

更新日期	模态卡类型	模态卡内容
2025/01/03	weather（天气）	国内天气、国际天气
2025/01/03	baike（百科）	百科类内容
2025/01/03	medical（医疗）	医疗权威内容
2025/01/03	calendar（万年历）	日历
2025/01/03	train（火车）	火车交通车次（含票价）、火车时刻表
2025/01/03	star（星座属相）	星座运势、属相等
2025/01/03	gold（贵金属）	金价、期货价格等
2025/01/03	exchangerate（汇率）	汇率信息
2025/01/03	oil（油价）	油价信息
2025/01/03	phone（手机参数对比）	手机参数、手机参数对比
2025/01/03	stock（股票）	股票信息
2025/01/03	car（汽车）	汽车内容，包括车型库和汽车品牌

3.2 流式响应处理

当使用流式响应时，会实时增量返回消息内容。即大语言模型一生成返回消息就会将消息返回给客户端。适合需要实时显示结果的场景（如聊天机器人）。

四、实战项目：构建智能问答机器人

import requests, json
from typing import Generator

class AIChatBot:
    def __init__(self, api_key: str):
        self.api_key = api_key
        self.url = "https://api.bochaai.com/v1/ai-search"
    
    def ask(self, question: str, stream: bool=False) -> Generator:
        """提问并获取流式响应"""
        response = requests.post(
            self.url,
            headers={"Authorization": f"Bearer {self.api_key}"},
            json={"query": question, "stream": stream},
            stream=stream
        )
        
        if stream:
            for line in response.iter_lines():
                if line:
                    data = json.loads(line.decode('utf-8').lstrip('data:'))
                    yield data
        else:
            return response.json()

# 使用示例
bot = AIChatBot("sk-你的密钥")
for chunk in bot.ask("量子计算机的原理是什么？", stream=True):
    if chunk.get('event') == 'message' and chunk['message']['type'] == 'answer':
        print(chunk['message']['content'], end='', flush=True)

---

总结

通过本文，你已掌握：

1. AI Search核心功能 → 2. 多模态数据解析 → 3. 流式交互实现 → 4. 完整项目实战

详细信息还可以参考官方API文档哦~