咕咕数据 API 文档
首页咕咕数据官网
API 分类
  • 图像/转换
  • AI/模型
  • 文字/NLP
  • 新闻/资讯
  • 教育/高考
  • 金融/基础
  • 商业/分析
  • 区域/坐标
  • 网站工具
  • 条码工具
  • 天气/空气质量
  • 短信/语音
首页咕咕数据官网
API 分类
  • 图像/转换
  • AI/模型
  • 文字/NLP
  • 新闻/资讯
  • 教育/高考
  • 金融/基础
  • 商业/分析
  • 区域/坐标
  • 网站工具
  • 条码工具
  • 天气/空气质量
  • 短信/语音
接口状态
  1. 教育/高考
  • 文档首页
  • AI/模型
    • DEMO
      • [DEMO] 文章自然润色
      • [DEMO] 多语言 AI 翻译
      • [DEMO] 个人可识别信息(PII) AI 去除
      • [DEMO] PDF 全文多语言 AI 摘要
      • [DEMO] 长文本多语言 AI 摘要
      • [DEMO] 多语言长文本 AI 关键字提取
      • [DEMO] 多语言文本 AI 情感分析
      • [DEMO] 多语言文本 AI 纠错格式化
      • [DEMO] 诗歌创作 AI 大师
      • [DEMO] 儿童故事创作大师
      • [DEMO] 盲派八字推理
      • [DEMO] 八字喜用神起名大师
    • 文章自然润色
      POST
    • 多语言 AI 翻译
      POST
    • 个人可识别信息(PII) AI 去除
      POST
    • PDF 全文多语言 AI 摘要
      POST
    • 长文本多语言 AI 摘要
      POST
    • 多语言长文本 AI 关键字提取
      POST
    • 多语言文本 AI 情感分析
      POST
    • 多语言文本 AI 纠错格式化
      POST
    • 诗歌创作 AI 大师
      POST
    • 儿童故事创作大师
      POST
    • 盲派八字推理
      POST
    • 八字喜用神起名大师
      POST
  • 金融/行情
    • A 股
      • DEMO
        • [DEMO] A 股实时行情数据
        • [DEMO] A 股历史行情数据
        • [DEMO] A 股分时交易数据
        • [DEMO] A 股个股信息查询
        • [DEMO] A 股三大财报
        • [DEMO] A 股财务指标
        • [DEMO] A 股指数成分数据
        • [DEMO] A 股指数实时行情数据
        • [DEMO] A 股指数历史行情数据
        • [DEMO] A 股盘前数据
        • [DEMO] A 股分笔交易数据
        • [DEMO] A 股股票列表编码
        • [DEMO] A 股交易日历
        • [DEMO] A 股指数分时行情数据
        • [DEMO] A 股个股资金流
        • [DEMO] A 股个股资金流排行
        • [DEMO] 期权实时行情
        • [DEMO] A 股买卖盘口数据
        • [DEMO] A 股涨停板实时数据
        • [DEMO] A 股季度业绩报表
      • A 股股票编码列表
      • A 股实时行情数据
      • A 股历史行情数据
      • A 股分时行情数据
      • A 股个股信息查询
      • A 股三大财报
      • A 股财务指标
      • A 股指数列表
      • A 股指数成分数据
      • A 股指数实时行情数据
      • A 股指数历史行情数据
      • A 股指数分时行情数据
      • A 股盘前数据
      • A 股分笔交易数据
      • A 股股票列表
      • A 股交易日历
      • 期权实时行情
      • A 股个股资金流
      • A 股个股资金流排行
      • A 股买卖盘口数据
      • A 股涨停板实时数据
      • A 股季度业绩报表
    • 港股
      • DEMO
        • [DEMO] 港股股票指数实时行情数据
        • [DEMO] 港股股票指数历史行情数据
        • [DEMO] 港股三大财报
        • [DEMO] 港股实时行情接口
        • [DEMO] 港股历史行情接口
        • [DEMO] 港股分时行情数据
        • [DEMO] 港股上市公司公告
        • [DEMO] 港股基础信息数据
      • 港股基础信息数据
      • 港股股票指数代码列表
      • 港股股票指数实时行情数据
      • 港股股票指数历史行情数据
      • 港股三大财报
      • 港股实时行情接口
      • 港股历史行情接口
      • 港股分时行情数据
      • 港股上市公司公告
    • 美股
      • DEMO
        • 美股实时行情数据 DEMO
        • 美股历史行情数据 DEMO
        • 美股分时行情数据 DEMO
        • [DEMO] 美股粉单实时行情数据
        • [DEMO] 分类美股实时行情数据
      • 查询美股股票代码列表数据
      • 美股实时行情数据
      • 美股历史行情数据
      • 美股分时行情数据
      • 美股粉单实时行情数据
      • 分类美股实时行情数据
    • 金融
      • DEMO
        • [DEMO] 国际货币汇率
      • 国际货币汇率
  • 商业/分析
    • DEMO
      • [DEMO] 基金基本信息
      • [DEMO] 基金基本信息-指数型
      • [DEMO] 公募开放式基金分时行情数据
      • [DEMO] 开放式基金净值实时数据
      • [DEMO] 开放式基金净值历史数据
      • [DEMO] 开放式基金实时排行
      • [DEMO] 开放式场内交易基金排行
      • [DEMO] 公募开放式基金实时数据
      • 公募开放式基金历史数据 DEMO
      • [DEMO] 场内交易基金-历史数据
      • [DEMO] 场内交易基金-实时数据
      • [DEMO] 开放式基金净值估算
    • 公募开放式基金实时数据
    • 公募开放式基金历史数据
    • 公募开放式基金分时行情数据
    • 场内交易基金-实时数据
    • 基金基本信息
    • 场内交易基金-历史数据
    • 基金基本信息-指数型
    • 开放式基金净值实时数据
    • 开放式基金净值历史数据
    • 开放式基金实时排行
    • 开放式场内交易基金排行
    • 开放式基金净值估算
  • 教育/高考
    • DEMO
      • [DEMO] 全球大学基础数据
      • [DEMO] 全国中学基础信息
      • [DEMO] 全国大学高校专业数据
      • [DEMO] 全国大学高校基础信息
      • [DEMO] 高考省分数线
      • [DEMO] 历年高考高校录取分数线
      • [DEMO] 历年高考专业录取分数线
      • [DEMO] 历年高考高校招生计划
      • [DEMO] 考题相似度 AI 评判
      • [DEMO] 历年高考一分一段数据
      • [DEMO] 全球 QS 世界大学排名数据
      • [DEMO] 分数线区间筛选录取信息联合查询
    • 全球 QS 世界大学排名数据
      GET
    • 全球大学基础数据
      GET
    • 全国中学基础信息
      GET
    • 全国大学高校基础信息
      GET
    • 全国大学高校专业数据
      GET
    • 历年高考省录取分数线
      GET
    • 历年高考高校录取分数线
      GET
    • 历年高考专业录取分数线
      GET
    • 分数线区间筛选录取信息联合查询
      GET
    • 按照学校名称或学校 ID 查询高校的专业信息
      GET
    • 历年高考高校招生计划
      GET
    • 考题相似度 AI 评判
      POST
    • 历年高考一分一段数据
      GET
    • [枚举] 历年高考一分一段选科枚举
      GET
  • 图像/转换
    • DEMO
      • [DEMO] 通用 OCR
      • [DEMO] HTML 转 PDF
      • [DEMO] HTML 转 WORD
      • [DEMO] Markdown 转 PDF
      • [DEMO] 通用图片 OCR 到 Word
      • [DEMO] PDF 解析格式化输出
      • [DEMO] 通用文件流 OCR
      • [DEMO] 通用 OCR PDF 到 Word
      • [DEMO] PDF 分割拆分
      • [DEMO] PDF 转 HTML
      • [DEMO] PPT 转高精度图片
      • [DEMO] 通用 PDF 文件流 OCR 到文本
      • [DEMO] PPT 转高精度 PDF
      • [DEMO] Word 转 HTML
    • 通用 OCR
    • HTML 转 PDF
    • HTML 转 WORD
    • Markdown 转 PDF
    • 通用图片 OCR 到 Word
    • PDF 解析格式化输出
    • 通用文件流 OCR
    • 通用 OCR PDF 到 Word
    • PDF 分割拆分
    • PDF 转 HTML
    • PPT 转高精度图片
    • 通用 PDF 文件流 OCR 到文本
    • PPT 转高精度 PDF
    • Word 转 HTML
  • 新闻/资讯
    • DEMO
      • [DEMO] 文章正文
      • [DEMO] 文章正文图片列表
      • [DEMO] 笑话大全
      • [DEMO] 公众号头条文章
      • [DEMO] 获取公众号文章封面
    • 文章正文
    • 文章正文图片列表
    • 公众号头条文章
    • 笑话大全
    • 获取公众号文章封面
    • [DEPRECATED] 微信头条文章
  • 天气/空气质量
    • DEMO
      • [DEMO] 天气预报信息
      • [DEMO] 空气质量
      • [DEMO] 日出日落
      • [DEMO] 农历与二十四节气
    • 查询天气区域的编码
    • 天气预报信息
    • 全国空气质量
    • 日出日落
    • 农历与二十四节气
  • 区域/坐标
    • DEMO
      • [DEMO] 全国省市区街道区域信息
      • IP地址定位 DEMO
      • 地理坐标系转换 DEMO
      • [DEMO] 国家地区基础信息数据
      • [DEMO] 国际 IP 地址定位
    • 地理坐标系转换
    • 全国省市区街道区域信息
    • 全国省市区街道区域信息 v2
    • IP地址定位
    • 国家地区基础信息数据
    • 国际 IP 地址定位
  • 文字/NLP
    • DEMO
      • 中英文排版规范化 DEMO
      • 关键字摘要智能提取 DEMO
      • 百万中国对联数据 DEMO
      • 唐诗宋词 DEMO
      • 简体繁体转换 DEMO
      • ISBN DEMO
      • [DEMO] 中文文本分词
      • [DEMO] 文本语义相似度检测
      • [DEMO] NLP 命名实体识别
      • [DEMO] NLP 中文智能纠错
      • [DEMO] 人工智能对联生成
      • [DEMO] NLP 语种检测
      • [DEMO] 中文转拼音
    • 中英文排版规范化
    • 关键字摘要智能提取
    • 百万中国对联数据
    • 唐诗宋词
    • 简体繁体转换
    • 中文文本分词
    • ISBN
    • 文本语义相似度检测
    • NLP 命名实体识别
    • NLP 中文智能纠错
    • 人工智能对联生成
    • NLP 语种检测
    • 中文转拼音
  • 网站工具
    • DEMO
      • [DEMO] 获取站点以及图标 DEMO
      • [DEMO] 域名 Whois 查询
      • [DEMO] 网页可读内容抽取
      • [DEMO] 域名 SSL 证书信息解析
      • [DEMO] 域名 DNS 信息查询
      • [DEMO] URL 转静态 HTML 文件
      • [DEMO] URL 转网站截图
      • [DEMO] 网页转结构化 Markdown
      • [DEMO] 网页所有 URL 结构化输出
    • 获取站点以及图标
    • 域名 Whois 查询
    • 网页可读内容抽取
    • 域名 SSL 证书信息解析
    • 域名 DNS 信息查询
    • URL 转静态 HTML 文件
    • URL 转网站截图
    • 网页转结构化 Markdown
    • 网页所有 URL 结构化输出
  • 短信/语音
    • DEMO
      • [DEMO] 手机归属地查询
      • [DEMO] 国际手机号码检查纠正
    • 手机归属地查询
    • 国际手机号码检查纠正
  • 条码工具
    • DEMO
      • 通用二维码生成 DEMO
      • Wi-Fi 无线网二维码生成 DEMO
      • 通用条形码生成 DEMO
      • [DEMO] 通用二维码解析读取
    • 通用二维码生成
    • Wi-Fi 无线网二维码生成
    • 通用条形码生成
    • 通用二维码解析读取
  1. 教育/高考

考题相似度 AI 评判

POST
https://api.gugudata.com/education/exam-question-similarity

请求参数

Body 参数application/x-www-form-urlencoded

请求示例代码

Shell
JavaScript
Java
Swift
Go
PHP
Python
HTTP
C
C#
Objective-C
Ruby
OCaml
Dart
R
请求示例请求示例
Shell
JavaScript
Java
Swift
curl --location --request POST 'https://api.gugudata.com/education/exam-question-similarity' \
--data-urlencode 'appkey={{appkey}}' \
--data-urlencode 'exam1=补写出下列句子中的空缺部分。(1)《芣苢》写采摘得很多,只得把衣襟掖在腰带上兜取的一句是“____________”。 《插秧歌》中运用了比喻的修辞手法的句子是“____________”。(2)毛泽东在《沁园春·长沙》中的“____________,____________”两句表现了青年学子意气奔放、正当强劲有力。(3)诸葛亮在《出师表》中写自己在刘备“三顾茅庐”前躬耕南阳时的心态句子是“____________, ____________”。阅读下面的文字,完成1~5题。①如果一个物理学家谈物理,哪怕他只是用大家都能听懂的语言做科普,外行一般也不太敢提出质疑。人们知道物理学是一个非常专业的尖端科学,没经过多年训练的人胡乱说话只能闹笑话。可是当一个社会学家谈论社会问题的时候,哪怕他旁征博引了好多东西方先贤的经典理论,别人还是可以毫无压力地批评他。②这也许怪不得大众。实践表明,像政治学这样的软科学,其“专家”的实用程度很可能并不显著高于“砖家”。1984年,心理学家泰特洛克做了一个影响深远的研究。他调查284个专门以预测政治经济趋势为职业的政治学家,向他们提出各种预测问题,要求专家们对其中大多数问题——比如某个国家的未来政治自由状况,提供出现三种可能性(保持现状,加强或者减弱)的大致概率。总结发现专家的总成绩还不如索性把每个问题的三种可能性都均等的设为33%。也就是说,专家的预测水平还比不上直接抛硬币。更有讽刺意味的是,这些专家对自己专业领域的预测得分居然比在自己专业外领域更差。③但社会科学并非无路可走,它可能正处在一个大发展的前夜。社会科学的发展方向应该是像硬科学一样,依靠实验和数据。传统专家的预测之所以不行,是因为他们依赖的很多直观“常识”,其实是一厢情愿的想当然。事实上,哪怕一个最简陋的统计模型,也能比专家预测得更好。④谈起社交网络,有人提出,一件东西要想在人群中流行开来,需要某些特别有影响力的关键人物在其中推波助澜。这些关键人物是社交网络中的节点,是普罗大众中的意见领袖。根据这个理论,扩大知名度的最好办法是找名人做广告。名人在微博上说一句话,应该比普通人的“口碑”重要得多。“关键人物”理论完美符合人们的思维常识。我们总是强调伟人对历史的推动,强调“一小撮”坏分子对社会秩序的破坏,强调明星对时尚潮流的引领。问题是,这个理论没有获得大规模统计实验的支持。⑤在现实生活中统计影响力非常困难,因为我们很难测量一个人是被谁影响的。现在微博、推特的出现给这种测量提供了可能。那么名人的影响力到底怎么样呢?有人使用统计模型根据第一个月的数据把那些粉丝众多,并且成功引发广泛传播的“关键人物”挑出来,然后看他们在第二个月中的表现。结果相当出人意料:这些人在第二个月再次引发广泛传播的可能性相当的随机。平均而言,“名人”的确比一般人更容易导致一条消息被广泛传播,但这个能力的实际效果起伏极大,一点都不可靠。⑥如果一个东西突然流行开来,我们的常识思维总是以为这个东西一定有特别出类拔萃之处,或者就是其幕后一定有推手。但推特上的研究表明所谓幕后推手其实并没有那么厉害。那么为什么某些书能够畅销,某些电影能够卖座,某些音乐能够上榜呢?完全是因为它们出类拔萃么?有研究表明,成功很可能主要是因为运气。⑦我们生活在一个彼此互相影响的社会。我们想起来去听一首歌,也许只不过因为朋友的推荐。我们想起来去看某个电影,也许只不过因为我们恰好在微博上跟随某人。我们总是习惯于把事情的成败归结为人的素质,归结为领袖人物,甚至归结为阴谋论,好像什么都是注定的一样,而事实却是很多事情只不过是偶然而已。⑧常识只是特别善于在事后“解释”事件,这种解释根本谈不上真正的理解。十月革命爆发了,我们就说俄国局势导致革命必然要爆发,可是革命之前有谁能这么肯定呢?中国女篮以三分优势击败韩国取得奥运参赛权,赛后总结自然全是成功经验,可是如果中国队最后几个球偶然没投进,媒体上必然又全是失败的反思。我们看这些事后的经验总结或者反思,总是觉得它们说的都挺有道理,简直是常识。专家们也正是根据这些道理去预测未来。可是事先你怎么就不知道这些完全相反的道理哪个会起作用呢?⑨要想从复杂的随机事件中看到真正的规律,最好的办法是像搞自然科学一样进行大规模的重复实验。然而历史不能重复,我们不知道最后发生的结局是不是一个小概率事件,但我们却总能用“常识”给这个结局一个解释!像这样的解释如果用于预测未来,甚至制定计划,怎么可能不失败呢?一个更实用的历史观是放弃“一切都是注定的”这个思想,把历史事件当成众多可能性中的一种,把未来当成一个概率分布,然后尽可能地使用统计方法,通过历史数据去计算未来事件的概率。(节选自万维钢《别用“常识”理解复杂世界》)1. 下列对原文相关内容的理解和分析,不正确的一项是(3分)A.社会学、政治学类的软科学“专家”的预测水平很有可能缺乏公信力。B.“关键人物”理论的隐含前提是重大转变或影响通常有关键人物推动。C.在生活中统计影响力的困难在于我们生活在一个彼此相互影响的社会。D.要从复杂的随机事件中看到事物的内在规律需要尊重常识、重复实验。2. 根据原文内容,下列说法不正确的一项是(3分)A.社会学家的预测实用程度不足是因为专家依赖的常识是想当然的内容。B.利用名人做广告扩大知名度,实际的效果可能起伏很大,与预期不符。C.以常识事后解释事件,其实对事件的本质规律根本谈不上真正的理解。D.社会科学专家预测未来时应尽可能用历史数据去计算未来事件的概率。3. 下列选项,最适合作为论据来支撑第四、五段观点的一项是(3分)A.有个卖马的人去见伯乐,承诺伯乐只要他围着马看几圈,走开后回头再看一看,便奉送一天的花费。伯乐依言而行,刚一离开,马价立刻暴涨了十倍。B.“难受,想哭”因说话人普通话不标准而变成“蓝瘦香菇”,被复制传播,一时引发热议。这一“谐音梗”经过短暂的传播,流行一时后迅速消失。C.有个大明星代言过许多品牌,这些品牌大多在短暂辉煌后逐渐无人问津衰退破产。18个代言,17个凉凉,这位影坛大哥因此被人戏称为“广告杀手”。D.无论是农产品、书籍还是电影票,某知名主播都能在短短的时间内将其销售一空,展现出惊人的带货能力,他的影响力已经渗透到了很多领域。4. 第⑧段的议论颇具辩驳的锋芒,请对此作简要分析。(4分)5. 有人认为本文全然否定“常识”的作用,针对“别用‘常识’理解复杂世界”的论述缺乏说服力。对此你怎么看,请结合本文内容做简要评析。(6分)' \
--data-urlencode 'exam2=补写出下列句子中的空缺部分。(1)荀子《劝学》中直接提到学习与思考关系的句子是“_________,_________”。(2)毛泽东《沁园春•长沙》中“_________,_________”两句回忆了当年求学期间同学们意气奔放、强劲有力的情景。(3)苏轼《赤壁赋》中,用蛟龙、嫠妇听箫声的感受,从侧面来突出箫声的悲凉与幽怨的语句是“_________,_________”。阅读下文,完成各题。别用“常识”理解复杂世界万维钢①如果一个物理学家谈物理,哪怕他只是用大家都能听懂的语言做科普,外行一般也不太敢提出质疑。人们知道物理学是一个非常专业的尖端科学,没经过多年训练的人胡乱说话只能闹笑话。可是当一个社会学家谈论社会问题的时候,哪怕他旁征博引了好多东西方先贤的经典理论,别人还是可以毫无压力地批评他。②这也许怪不得大众。实践表明,像政治学这样的软科学,其“专家”的实用程度很可能并不显著高于“砖家”。1984年,心理学家泰特洛克做了一个影响深远的研究。他调查284个专门以预测政治经济趋势为职业的政治学家,向他们提出各种预测问题,要求专家们对其中大多数问题——比如某个国家的未来政治自由状况,提供出现三种可能性(保持现状,加强或者减弱)的大致概率。总结发现专家的总成绩还不如索性把每个问题的三种可能性都均等的设为33%。也就是说,专家的预测水平还比不上直接抛硬币。更有讽刺意味的是,这些专家对自己专业领域的预测得分居然比在自己专业外领域更差。③但社会科学并非无路可走,它可能正处在一个大发展的前夜。社会科学的发展方向应该是像硬科学一样,依靠实验和数据。传统专家的预测之所以不行,是因为他们依赖的很多直观“常识”,其实是一厢情愿的想当然。事实上,哪怕一个最简陋的统计模型,也能比专家预测得更好。④谈起社交网络,有人提出,一件东西要想在人群中流行开来,需要某些特别有影响力的关键人物在其中推波助澜。这些关键人物是社交网络中的节点,是普罗大众中的意见领袖。根据这个理论,扩大知名度的最好办法是找名人做广告。名人在微博上说一句话,应该比普通人的“口碑”重要得多。“关键人物”理论完美符合人们的思维常识。我们总是强调伟人对历史的推动,强调“一小撮”坏分子对社会秩序的破坏,强调明星对时尚潮流的引领。问题是,这个理论没有获得大规模统计实验的支持。⑤在现实生活中统计影响力非常困难,因为我们很难测量一个人是被谁影响的。现在微博、推特的出现给这种测量提供了可能。那么名人的影响力到底怎么样呢?有人使用统计模型根据第一个月的数据把那些粉丝众多,并且成功引发广泛传播的“关键人物”挑出来,然后看他们在第二个月中的表现。结果相当出人意料:这些人在第二个月再次引发广泛传播的可能性相当的随机。平均而言,“名人”的确比一般人更容易导致一条消息被广泛传播,但这个能力的实际效果起伏极大,一点都不可靠。⑥如果一个东西突然流行开来,我们的常识思维总是以为这个东西一定有特别出类拔萃之处,或者就是其幕后一定有推手。但推特上的研究表明所谓幕后推手其实并没有那么厉害。那么为什么某些书能够畅销,某些电影能够卖座,某些音乐能够上榜呢?完全是因为它们出类拔萃么?有研究表明,成功很可能主要是因为运气。⑦我们生活在一个彼此互相影响的社会。我们想起来去听一首歌,也许只不过因为朋友的推荐。我们想起来去看某个电影,也许只不过因为我们恰好在微博上跟随某人。我们总是习惯于把事情的成败归结为人的素质,归结为领袖人物,甚至归结为阴谋论,好像什么都是注定的一样,而事实却是很多事情只不过是偶然而已。⑧常识只是特别善于在事后“解释”事件,这种解释根本谈不上真正的理解。十月革命爆发了,我们就说俄国局势导致革命必然要爆发,可是革命之前有谁能这么肯定呢?中国女篮以三分优势击败韩国取得奥运参赛权,赛后总结自然全是成功经验,可是如果中国队最后几个球偶然没投进,媒体上必然又全是失败的反思。我们看这些事后的经验总结或者反思,总是觉得它们说的都挺有道理,简直是常识。专家们也正是根据这些道理去预测未来。可是事先你怎么就不知道这些完全相反的道理哪个会起作用呢?⑨要想从复杂的随机事件中看到真正的规律,最好的办法是像搞自然科学一样进行大规模的重复实验。然而历史不能重复,我们不知道最后发生的结局是不是一个小概率事件,但我们却总能用“常识”给这个结局一个解释!像这样的解释如果用于预测未来,甚至制定计划,怎么可能不失败呢?一个更实用的历史观是放弃“一切都是注定的”这个思想,把历史事件当成众多可能性中的一种,把未来当成一个概率分布,然后尽可能地使用统计方法,通过历史数据去计算未来事件的概率。(有删节)1.第④段中“关键人物”理论的隐含前提是______________________。2.能依据文意做出的一项推断是(     )。A.社会学家的预测实用程度不足,因而存在的价值不高。B.依靠实验和数据,能够避免社会科学预测不准的情况。C.历史人物对历史发展的推动作用,不一定具有必然性。D.以常识事后解释事件,完全无法获取事物发展的规律。3.下列内容与文中“常识”内涵不一致的一项是(     )A.事物的流行离不开其本身的价值。B.竞技比赛失败后总结教训有道理。C.消息的广泛传播有赖于名人效应。D.随机发生的事件背后自有其规律。4.第⑧段论证语言很有特点,请作简要赏析。5.有人认为本文全然否定“常识”的作用,针对“别用‘常识’理解复杂世界”的论述缺乏说服力。对此你怎么看,请结合本文内容做简要评析。'

返回响应

🟢200成功
application/json
Body

示例
{}

咕咕数据微信客服

在这里,获得咕咕数据使用上的任何帮助,商用合规的功能型与数据型 API,加速您的业务构建。

扫码咨询客服
修改于 2025-08-28 05:28:11
上一页
历年高考高校招生计划
下一页
历年高考一分一段数据
Built with