Tabstack

1) 創建帳戶並獲取 API 金鑰: 在 https://console.tabstack.ai/signup 註冊並創建一個 API 金鑰。將其儲存為環境變數（推薦），這樣您就不會硬編碼秘密，例如 export TABSTACK_API_KEY=...（某些文件/範例可能提及 TABS_API_KEY）。

2) 發出您的第一個請求：將頁面提取為 Markdown: 向 Markdown 提取端點發送 POST 請求以驗證您的設置。範例 (curl)：POST https://api.tabstack.ai/v1/extract/markdown，帶有 Authorization: Bearer $TABSTACK_API_KEY 和 Content-Type: application/json 標頭，主體為 {"url":"https://example.com"}。響應返回 URL 和提取的 Markdown 內容。

3) 使用 /v1/extract/json 提取結構化數據（模式引導）: 當您需要從頁面中獲取結構化字段時，請使用 JSON 提取端點。在請求主體中的 json_schema 下提供 JSON Schema 以引導提取。最佳實踐：從最小模式開始，測試，然後添加字段；在模式屬性中包含描述字段以闡明提取器應該找到什麼。

4) 使用 /v1/generate/json 生成新的結構化輸出（模式約束）: 當您需要 API 創建新的結構化內容（摘要、分類、轉換）而不僅僅是提取已有的內容時，請使用 POST https://api.tabstack.ai/v1/generate/json。提供描述確切輸出形狀的有效 JSON Schema；模型將嚴格遵守它。使用 Authorization: Bearer $TABSTACK_API_KEY 進行身份驗證。

5) 使用 /automate 自動化類似瀏覽器的互動（點擊/滾動/填寫/提交）: 使用 Automate 端點從自然語言指令運行 AI 驅動的瀏覽器自動化（例如，導航、點擊、滾動、填寫表單、提交）。此端點透過 Server-Sent Events (SSE) 使用 text/event-stream 流式傳輸進度/結果，因此您的客戶端應處理流式更新。

6) 使用 /research 運行自主網路研究（發現 + 提取 + 驗證）: 使用 Research 端點部署一個自主代理，該代理探索網路並返回更高保真度、結構化的結果（通常帶有引用）而不是原始 HTML。根據成本/延遲選擇模式（例如，在您的計劃中可用時選擇快速與平衡）。

7) 使用 SDK（Python 或 TypeScript）以便於整合: 安裝並使用官方 SDK 以避免手動 HTTP 管道。在 Python 中，使用 Tabstack() 作為上下文管理器以確保 HTTP 客戶端乾淨關閉；對於異步工作流程，請使用 AsyncTabstack。確保 Python 3.9+。

8) 在生產中處理可靠性和錯誤: 實施重試/超時並捕獲連接失敗（例如，Python 中的 tabstack.APIConnectionError）以解決網路問題。構建自適應管道：從輕量級提取開始，僅在需要時升級到更重的渲染/自動化。

9) 遵守隱私、透明度和訪問控制期望: Tabstack 使用專用的 Mozilla Tabstack User-Agent 識別請求，並遵守針對該用戶代理的 robots.txt 指令。檢索到的內容被視為臨時內容，不應用於模型訓練。除非您明確信任該服務，否則請避免發送密碼/2FA 秘密。

10) 使用信用模型監控使用情況和成本: Tabstack 是基於信用的（網站上的範例：Markdown 提取約 10 點信用/操作；JSON 提取約 50 點信用/操作；自動化約 100 點信用/操作；研究因模式而異）。選擇一個計劃（個人/團隊/專業版）並設計工作流程以最大程度地減少不必要的操作。