开放接入

把邱懿武的判断力,
装进你自己的产品里。

你的产品里如果已经有个“问 AI”的入口,接的多半是个什么都不懂你、也不懂邱懿武的通用大模型——答得四平八稳,但没有观点,也编不出真实案例。邱懿武智能体不一样:背后是他 15 个知识体系、4 套课程、27 场演讲实录训练出来的判断,用户问到相关问题,答的是他真讲过、真写过的东西,能查到出处,不是模型现场编的正确废话。

小范围意向登记中,非自助开通——提交后人工联系,不会立即发放 key

一只纸船被轻轻推出去
00 · 场景

具体能用来做什么

比讲技术原理更直接——举两个假设的例子:

场景一

企业内训 · 课后追问

学员上完课总有当场没问完的问题。接进你的内训系统后,学员随时能追问,答的是邱懿武本人验证过的方法论和真实案例,不是通用 AI 现场发挥凑出来的建议。

场景二

内容社区 · 深挖观点

在做 AI 战略/产品方向的内容社区,用户想搞懂某个观点背后的逻辑——接一个“能查到原话出处”的问答入口,比让用户自己翻几十篇文章找快得多。

01 · 能力

现在真实存在的能力

只列已经跑通、可以验证的部分。还没做的(出处深链自动返回、多租户 key 隔离、计量计费)不会写在这里当卖点。

01 / 对话引擎
同一套问答内核跟 /agent.html 用的是完全同一个后端与知识库,不是另起一套。
02 / 知识底座
15 个知识体系 · 4 套课程 · 27 场实录数字跟着站上的数据走,不是写死的宣传数字。
03 / 流式返回
边生成边吐字SSE 流式协议,跟站内右下角的「跟我聊聊」用的是同一套。
02 · MCP

通过 MCP 集成
(规划中)

现在的接入方式是直接调 agent_access 里那几个 HTTP 接口(见上一节)。MCP 是另一条更贴合 AI 应用生态的路径——把邱懿武的判断力做成一个标准 MCP server,让你自己的 agent 或产品像调用任何其他工具一样调用它,不用自己拼 HTTP 请求。

01 / 一档
discovery 能力清单可读免费免鉴权——这个页面和 agent.json 本身就是。
02 / 一档
public_read 等价于公开检索/问答免费免鉴权,对应上一节 semantic_search / ask 两项能力。
03 / 一档
keyed_read 全量原子图谱、跨板块关联需授权 key——这一档才是真正要审核、要控量的部分。

老实说:MCP server 本身还没开始搭,上面是设计好的分层,不是已经能连的端点(现有的内部 MCP 只在本人编程会话里用,读写全量原子库,跟这里说的对外版本不是一回事)。想接的话先按下面「登记意向」流程说清楚你的场景——排期会参考需求量,不是先到先得。

03 · 费用

费用

计费模式设计中

现阶段不对外报价——先登记你的场景和量级,我们会联系你聊清楚怎么用、怎么算。这不是话术,是真的还没定,写具体数字反而是误导。

04 · 登记

登记意向

填完点提交,会打开你自己的邮件客户端、预填好内容发到 qiuyiwu@uma.com——不经过任何第三方表单服务,也不会在这一步生成或发放 key。

也可以跳过表单,直接写邮件到 qiuyiwu@uma.com