推出Radar Researcher：一款用自然语言探索互联网数据的AI工具
内容提要
Cloudflare Radar推出AI工具Radar Researcher，用户可用自然语言查询互联网数据，获得实时交互图表。它基于Cloudflare开发者平台构建，支持语音输入、图表解释、对话保存与分享，并集成WebMCP标准，使浏览器代理也能直接操作Radar。该工具旨在降低数据访问门槛，服务记者、研究人员等各类用户。
延伸解读
降低数据访问门槛
Radar Researcher的核心价值在于将复杂的数据查询转化为自然语言对话，用户无需掌握API文档或数据筛选技巧。这尤其惠及记者、研究人员等非技术背景用户，使他们能快速获取实时数据并生成可视化图表，从而更专注于分析而非数据获取过程。
技术架构与可靠性
该工具完全基于Cloudflare开发者平台构建，利用Workers、Durable Objects和Workers AI等组件。通过多模型回退机制和AI Gateway的集成，确保了服务的稳定性和安全性。这种架构不仅展示了Cloudflare自身技术栈的能力，也为开发者提供了构建AI代理的参考范例。
WebMCP标准的意义
Radar集成WebMCP标准，使浏览器代理能直接调用Radar的功能，而无需模拟点击或解析DOM。这代表了网站与AI代理交互的新方向，有望提升代理的效率和可靠性。Radar自身也通过此集成通过了其代理就绪性检查，体现了对新兴标准的支持。
Q&A
Radar Researcher是什么？
Radar Researcher是Cloudflare Radar推出的一款AI工具，用户可以用自然语言查询互联网数据，并获得实时的交互式图表。它基于Cloudflare开发者平台构建，旨在降低数据访问门槛，服务记者、研究人员等各类用户。
Radar Researcher有哪些主要功能？
主要功能包括：用自然语言提问并得到带图表的答案；可选择简洁或详细回答；提供后续问题建议；对话可保存、搜索、固定和分享（分享链接30天有效）；可查看AI的推理过程和工具调用；支持语音输入；可从图表直接启动解释功能。
Radar Researcher如何确保数据的准确性？
Radar Researcher通过Radar API获取真实数据，底层LLM依赖实时数据回答，而不是凭记忆。此外，在解释图表时，它会同时提供图表截图、原始数据和当前视图参数，确保引用的数字精确，解释针对用户的具体视图。
Radar Researcher是如何构建的？
它完全基于Cloudflare开发者平台构建：核心是运行Cloudflare Agents SDK的Worker，每个对话是带有SQLite数据库的有状态Durable Object；使用Workers AI运行开源模型（如Kimi K2.7），并采用多模型回退链；通过AI Gateway进行日志、成本跟踪和缓存；通过统一的Cloudflare MCP服务器连接Radar API，模型使用代码模式查询数据。
Radar Researcher如何生成图表？
模型在回答中不直接嵌入数据，而是生成一个轻量级的图表规范，引用API路径。前端匹配该路径并渲染与Radar其他部分相同的交互式图表组件，确保图表与API数据完全一致。
Radar Researcher支持哪些使用场景？
支持多种场景，例如：查询某个国家的互联网质量（如葡萄牙），调查互联网中断事件（如伊朗的断网），以及从任意图表启动解释。它面向记者、研究人员、网络运营商等不同用户。
Radar Researcher如何与浏览器代理集成？
Radar Researcher支持WebMCP标准，通过两种方式集成：一是命令式API，注册JavaScript工具让代理直接驱动Radar（如筛选、搜索）；二是声明式API，将现有HTML表单注释为工具，使代理能使用URL扫描、域名查询等功能。这使浏览器代理能直接操作Radar，且是渐进增强，不影响普通浏览器。
Radar Researcher目前处于什么阶段？如何反馈意见？
Radar Researcher目前处于beta测试阶段，用户可通过Cloudflare Radar页面上的Researcher按钮使用。反馈可通过社交媒体（@CloudflareRadar、Mastodon、Bluesky）或邮箱radar@cloudflare.com提交。
