Tabstack

1) 创建账户并获取 API 密钥: 在 https://console.tabstack.ai/signup 注册并创建 API 密钥。建议将其存储为环境变量，以避免硬编码秘密，例如 export TABSTACK_API_KEY=...（某些文档/示例可能引用 TABS_API_KEY）。

2) 发送您的第一个请求：将页面提取为 Markdown: 向 Markdown 提取端点发送 POST 请求以验证您的设置。示例 (curl)：POST https://api.tabstack.ai/v1/extract/markdown，带有 Authorization: Bearer $TABSTACK_API_KEY 和 Content-Type: application/json 头，请求体为 {"url":"https://example.com"}。响应将返回 URL 和提取的 Markdown 内容。

3) 使用 /v1/extract/json 提取结构化数据（模式引导）: 当您需要从页面中获取结构化字段时，请使用 JSON 提取端点。在请求体中的 json_schema 下提供 JSON Schema 以指导提取。最佳实践：从最小模式开始，测试，然后添加字段；在模式属性中包含 description 字段以阐明提取器应查找的内容。

4) 使用 /v1/generate/json 生成新的结构化输出（模式约束）: 当您需要 API 创建新的结构化内容（摘要、分类、转换）而不是仅仅提取已有的内容时，请使用 POST https://api.tabstack.ai/v1/generate/json。提供描述确切输出形状的有效 JSON Schema；模型将严格遵守。使用 Authorization: Bearer $TABSTACK_API_KEY 进行身份验证。

5) 使用 /automate 自动化类似浏览器的交互（点击/滚动/填写/提交）: 使用 Automate 端点运行由自然语言指令驱动的 AI 浏览器自动化（例如，导航、点击、滚动、填写表单、提交）。此端点通过 Server-Sent Events (SSE) 使用 text/event-stream 流式传输进度/结果，因此您的客户端应处理流式更新。

6) 使用 /research 运行自主网络研究（发现 + 提取 + 验证）: 使用 Research 端点部署一个自主代理，该代理探索网络并返回更高保真度的结构化结果（通常带有引用）而不是原始 HTML。根据成本/延迟选择模式（例如，在您的计划中可用时选择快速或平衡模式）。

7) 使用 SDK（Python 或 TypeScript）以便于集成: 安装并使用官方 SDK 以避免手动 HTTP 管道。在 Python 中，将 Tabstack() 用作上下文管理器以确保 HTTP 客户端干净关闭；对于异步工作流，请使用 AsyncTabstack。确保 Python 3.9+。

8) 处理生产中的可靠性和错误: 实现重试/超时并捕获连接失败（例如，Python 中的 tabstack.APIConnectionError）以解决网络问题。构建自适应管道：从轻量级提取开始，仅在需要时升级到更繁重的渲染/自动化。

9) 遵循隐私、透明度和访问控制预期: Tabstack 使用专用的 Mozilla Tabstack User-Agent 识别请求，并遵守针对该用户代理的 robots.txt 指令。检索到的内容被视为临时内容，不用于模型训练。除非您明确信任该服务，否则请避免发送密码/2FA 秘密。

10) 使用信用模型监控使用情况和成本: Tabstack 基于信用（网站示例：Markdown 提取约 10 信用/操作；JSON 提取约 50 信用/操作；自动化约 100 信用/操作；研究模式因模式而异）。选择一个计划（个人/团队/专业版）并设计工作流以最大程度地减少不必要的操作。