介绍 Radar Researcher：一个用简单语言探索互联网数据的 AI 工具
自2020年推出以来，[Cloudflare Radar](https://radar.cloudflare.com) 为全球互联网流量提供了独特的洞察。Radar 从我们全球网络发布的开放数据被不同领域的专家使用，包括人权倡导者、记者、学术研究者、网络运营商等。
今天，作为[Agents Week](https://blog.cloudflare.com/agents-week-welcome/)的一部分，Radar 正式推出一款新工具：Radar Researcher。
现在，如果你想用 Radar 的数据回答一个问题，只需用简单的语言提问，你将得到带有真实互动图表的答案，这些都是基于 Cloudflare 的开发者平台构建的。你不再需要寻找正确的页面、选择合适的过滤器或阅读 API 文档来编写查询。
## 我们为什么要构建 Radar Researcher
在过去的六年里，Radar 团队一直致力于提供清晰、可访问、可靠的复杂数据可视化。这并不是没有挑战：我们的用户群体广泛，从好奇的初学者到技术网络专家都有。然而，我们尽可能多地发布通过我们的网络看到的互联网洞察：来自我们公共解析器 [1.1.1.1](https://one.one.one.one/) 的 DNS 查询、我们全球网络的 HTTP 流量、从[Cloudflare Speed Test](https://speed.cloudflare.com/) 收集的网络质量数据，以及更多数据。我们也相信开放公共数据的力量，这就是为什么你在 Radar 的数据可视化中看到的所有内容都可以通过我们的免费 [API](https://developers.cloudflare.com/api/resources/radar) 获取。每年我们让互联网的数据变得更加可见。
但是随着 Radar 的发展，处理数据的技术也在进步。AI 工具降低了专业知识的门槛：你不再需要知道数据集的结构或词汇就能从中获得有用的答案。主题专家不再是守门人，而是合作伙伴。
Radar 一直希望为那些不需要掌握我们整个目录及其词汇的用户做得更多，以便充分理解我们的洞察。（请参考我们最近的博文，了解[互联网如何响应 2026 年 FIFA 世界杯](https://blog.cloudflare.com/2026-world-cup-internet-traffic/)）。
我们也知道许多用户都比较着急。例如，一名记者在撰写有关最新互联网故障的报道时，可能没有时间逐页查找完美的图表来讲述他们的故事。这就是我们构建 Radar Researcher 的原因。
## 认识 Radar Researcher
[Radar Researcher](https://radar.cloudflare.com/?showResearcher=true) 的设计目的是让访问数据变得像描述你的需求一样简单。所有信息通过 Radar 的 API 提供，这确保了底层 LLM 依赖真实数据，并能快速以与人类对话相同的格式回答你的问题。
它在每个 Radar 页面上都可用。你可以从页面顶部打开 Radar Researcher 面板，它可以与任何你正在查看的内容并排停靠，因此你可以在聊天的同时继续浏览。以下是一些使用示例：
- **用简单语言获得答案，并带有真实图表**：提问并获得你在 Radar 上看到的相同互动可视化，以及简短的解释。
- **选择你的深度**：选择简明、直接的答案或更全面、多主题的报告。
- **持续分析**：每个答案后，系统会建议有用的后续问题。
- **接续上次对话**：对话记录保存在可搜索的历史中，你可以固定并重新访问任何对话，并可以通过链接共享任何对话。（共享链接在 30 天后会自动失效。）
- **审计推理过程**：查看 LLM 如何解读你的问题，它查询了哪些数据集，以及它是如何处理结果得出答案的。
- **随你所问**：输入文字、使用语音输入或直接从 Radar 的搜索栏启动。
### 将任何图表转变为对话
Researcher 不仅从空白提示开始。任何你在 Radar 上看到的图表，都可以通过**用 AI 解释**的操作打开助手，并带有该确切可视化。
它不会要求你描述你所看到的内容，而是捕捉到你正在查看的确切可视化并从那里开始对话。正如下方所示，Radar Researcher 会考虑上下文分析数据并给予解释。
在后台，助手同时向模型提供三样东西：图表的截图（一个具备视觉识别能力的模型可以直接读取图像）、Radar API 提供的确切数据，以及你当前视图的参数，包括位置、日期范围和你应用的任何过滤器。截图允许 Radar Researcher 看到你所看到的内容，而原始数据则确保所引用的每一个数字都是精确的，而不是从像素估算出来的，过滤器则意味着解释是针对你确切的视图，而不是图表的通用版本。
### 案例 1：葡萄牙的互联网质量如何？
假设你想知道某个国家的家庭互联网质量。你可以直接询问：
而不是手动调用 API、选择参数或翻阅 Radar 的页面，Radar Researcher 会解读这个问题并为你完成这个工作。你可以跟踪每个步骤的截图：它读取你提问的内容，查询 Radar 的互联网质量 API，然后分析结果并用简单的语言回复你。它呈现的将不是一堆数字，而是你在 [Radar Internet Quality](https://radar.cloudflare.com/quality/pt#connection-quality) 部分看到的相同互动图表。
从这里，你可能会提出自然的跟进问题，比如比较葡萄牙和邻国，Radar Researcher 将为每个国家获取最新数据。它甚至会建议有用的后续步骤，比如想了解葡萄牙与西班牙的比较，或该国最常见的互联网故障。通过让你以简单的语言找到所需信息，我们希望将 Radar 数据应用于你自己的分析变得比以往任何时候都要容易。
### 案例 2：调查互联网中断情况
Radar Researcher 也是为了技术专家而设计的。如果我们了解到一件事，那就是工程师、研究人员和网络运营商的工作流程中，自动化是关键。用手动操作查看相同的数据可能繁琐和有限：你如何确保始终查看最相关的数据？
考虑一个真实事件。在2026年初，伊朗经历了一系列政府指令的互联网停机，其中一次停机持续了近三个月，直到[traffic partially returned in May](https://blog.cloudflare.com/iran-internet-partially-restored-may-2026/)。撰写这样的故事时，需要提取几个视图并随着事态发展进行刷新。要调查此事，你只需询问 Radar Researcher：
这次提问是开放式的，因此 Radar Researcher 会进行一个简短的调查。它查找 Cloudflare Radar 记录的伊朗停机事件，并收集相关的流量数据，然后用简单的语言解释时间线：伊朗的 HTTP 流量指数从 1 月 7 日的约 0.58 降至 1 月 9 日的有效零，1 月 17 日左右开始部分恢复，并在 1 月 27 日接近停机前的水平。它将其呈现为带有停机窗口直接标注的 HTTP 流量指数图表，以及记录的停机表格，同时标记了从 2 月 28 日开始的第二次停机。
从那里，它会建议接下来的调查方向，例如流量与邻国的比较。
## 我们如何构建它
Radar Researcher 完全建立在 Cloudflare 自身的开发者平台上。这展示了任何开发人员都可以用来构建 AI 代理的相同工具。
它的核心是一个执行 [Cloudflare Agents SDK](https://agents.cloudflare.com/) 的 Cloudflare Worker。每个对话都是一个具有自己 SQLite 数据库的状态化 [Durable Object](https://www.cloudflare.com/products/durable-objects/)，因此你的聊天历史、标题和流式响应得以保存。即使在你离开页面时，生成仍会在服务器端继续，并在你重新连接时恢复。
The "brain" 是运行 [Workers AI](https://www.cloudflare.com/products/workers-ai/) 的 [open models](https://developers.cloudflare.com/workers-ai/models/)，如 Kimi K2.7。我们并没有仅依赖于一个模型，而是跨三个不同的模型家族运行有序的回落链。如果一个模型暂时达到容量，请求会无缝切换到下一个，因此任何单个提供者的事件不会使 Researcher 停止工作。每个调用都会通过 [AI Gateway](https://www.cloudflare.com/products/ai-gateway/) 路由，以便进行日志记录、成本跟踪、缓存和安全防护。
更有趣的是 Researcher 是如何接入 Radar 的数据。我们没有为 Radar 的每个数百个端点手动编写工具，而是使用 [Cloudflare MCP server](https://github.com/cloudflare/mcp) 统一连接代理，通过 [Code Mode](https://blog.cloudflare.com/code-mode-mcp) 连接。该模型仅获得三个工具（搜索、执行和文档），并编写代码直接查询 Radar API。它搜索 OpenAPI 规格以找到正确的端点，然后执行一个小代码片段，获取实时数据。因为完整的 API 规格存储在 MCP 服务器上，所以 Radar 的 API 没有任何硬编码的提示。随着 Radar 数据集的增加，Researcher 可以无须代码更改而使用它们。
### 从 Markdown 到真实的 Radar 图表
在这个过程中，还有一个问题需要解决。语言模型以 Markdown 格式作答：文本、表格和项目符号。然而，我们并不想要一堆数字；我们希望得到与 Radar 上到处可见的丰富互动图表。更糟糕的是，当模型尝试直接将数据写入答案时，它往往会进行四舍五入、摘要或截断，这正是你不希望从数据工具中看到的。
我们的解决方案是将数据完全排除在模型的写作之外。当 Radar Researcher 获取数据时，其代码返回一个小封装，将 API 路径与结果配对。然后，模型发出一个轻量级的图表规范，只需引用同一路径：
Radar 的前端将图表的数据与抓取的结果匹配，并使用与网站其余部分相同的可视化组件呈现图表。图表始终忠于 API，Radar Researcher 可以利用我们的整个视觉词汇：时间序列、堆叠区域、圆环图、条形图、地图、直方图等。
### 一些小细节
并非所有任务都需要大型模型。小型、快速的模型处理边任务：一个为每个新对话写简短标题，另一个在每个答案下建议后续问题。两者侧面运行，以便它们不会拖慢你的实际回复。
Radar Researcher 还获得了一些关于此时此刻的小信息。我们将当前日期和时间传递给它，以及与你在 [Radar's IP page](https://radar.cloudflare.com/ip) 上找到的连接的高层次详细信息，例如你的 IP 位置和网络。因此，当你询问 "这里的流量如何？" 时，它可以根据你的地理位置来定制答案。
所有信息都通过 Radar 的前端发送（也是一个 Worker），采用服务绑定，带有每个 IP 的速率限制，并在 [R2](https://www.cloudflare.com/products/r2/) 中存储可共享的对话。每一层，从计算到推理再到网关、存储和数据，都是 Cloudflare 的。
## 由代理提供支持 —— 并为其准备好
Radar Researcher 展现了我们如何使用 AI 代理帮助人们探索我们的数据。但代理故事的另一面是：当代理不是我们的，而是你浏览器中的通用助手，代表你操作时，会发生什么？
如今，想要使用网站的代理通常不得不抓取页面并猜测其工作原理，这种方式既脆弱又慢且容易出错。 [WebMCP](https://webmachinelearning.github.io/webmcp/) 是一种新兴的 Web 标准，解决了这个问题：页面可以注册一小组定义良好的工具，任何浏览器代理都可以直接发现和调用，而不是反向工程 DOM（文档对象模型）。
我们已将 WebMCP 支持添加到 Radar，利用该标准的两种形式：
- **命令式 API** 让我们注册 JavaScript 中的工具，直接调用驱动 UI 的相同代码，因此代理可以直接操作 Radar；过滤国家、地区、大洲或 ASN；更改日期范围；搜索页面、部分和实体（域名、ASN、IP 等）；跳转到任意部分。
- **声明式 API** 通过给 Radar 的现有 HTML 表单添加一些属性，将它们转换为工具，因此代理可以扫描 URL 并进行[URL Scanner](https://radar.cloudflare.com/scan) 查找，查看域名报告，或者测试网站的后量子 TLS 密钥交换支持。
这些功能没有一项是捆绑在用户界面中，它们只是纯粹的渐进增强：在没有 WebMCP 的浏览器中，这些工具根本不存在，且没有任何变化。
这也是我们所倡导的实践案例。Radar 自身的[URL Scanner](https://radar.cloudflare.com/scan) 评估一个网站的[代理就绪](https://blog.cloudflare.com/agent-readiness/)情况，而这些检查之一正好查看这种 WebMCP 集成。通过自己实施，Radar 现在通过了自己的[代理就绪检查](https://isitagentready.com/radar.cloudflare.com)，更重要的是，成为一个人和代理都能轻松导航的网站。
## 尝试一下
Radar Researcher 今天在 [Cloudflare Radar](https://radar.cloudflare.com) 上以测试版形式推出。在任何页面上寻找标题栏中的 Researcher 按钮。它完全建立在 Cloudflare 的开发者平台上，且才刚刚开始：我们将持续扩展其理解的数据集，优化其分析，并添加与数据互动的新方式。
就像所有 Cloudflare 产品一样，Radar 是以用户为中心构建的。我们想知道什么对你有用。请在社交媒体上告诉我们你的想法，地址是 [@CloudflareRadar](https://x.com/CloudflareRadar) (X), [noc.social/@cloudflareradar](https://noc.social/@cloudflareradar) (Mastodon), 和 [radar.cloudflare.com](http://radar.cloudflare.com) (Bluesky)，或者通过电子邮件联系 [radar@cloudflare.com](mailto:radar@cloudflare.com)。
告诉我们哪些有效、哪些无效、你发现的见解、哪些仍然感觉遥不可及，以及所有介于两者之间的内容。你们的反馈将帮助我们改进并使 Radar Researcher 更加完善，直至全面上线。我们迫不及待地想看到你们与之互动的方式！
---
原文链接：[点击查看](https://blog.cloudflare.com/introducing-radar-researcher/)
今天，作为[Agents Week](https://blog.cloudflare.com/agents-week-welcome/)的一部分，Radar 正式推出一款新工具：Radar Researcher。
现在，如果你想用 Radar 的数据回答一个问题，只需用简单的语言提问，你将得到带有真实互动图表的答案，这些都是基于 Cloudflare 的开发者平台构建的。你不再需要寻找正确的页面、选择合适的过滤器或阅读 API 文档来编写查询。
## 我们为什么要构建 Radar Researcher
在过去的六年里，Radar 团队一直致力于提供清晰、可访问、可靠的复杂数据可视化。这并不是没有挑战：我们的用户群体广泛，从好奇的初学者到技术网络专家都有。然而，我们尽可能多地发布通过我们的网络看到的互联网洞察：来自我们公共解析器 [1.1.1.1](https://one.one.one.one/) 的 DNS 查询、我们全球网络的 HTTP 流量、从[Cloudflare Speed Test](https://speed.cloudflare.com/) 收集的网络质量数据，以及更多数据。我们也相信开放公共数据的力量，这就是为什么你在 Radar 的数据可视化中看到的所有内容都可以通过我们的免费 [API](https://developers.cloudflare.com/api/resources/radar) 获取。每年我们让互联网的数据变得更加可见。
但是随着 Radar 的发展，处理数据的技术也在进步。AI 工具降低了专业知识的门槛：你不再需要知道数据集的结构或词汇就能从中获得有用的答案。主题专家不再是守门人，而是合作伙伴。
Radar 一直希望为那些不需要掌握我们整个目录及其词汇的用户做得更多，以便充分理解我们的洞察。（请参考我们最近的博文，了解[互联网如何响应 2026 年 FIFA 世界杯](https://blog.cloudflare.com/2026-world-cup-internet-traffic/)）。
我们也知道许多用户都比较着急。例如，一名记者在撰写有关最新互联网故障的报道时，可能没有时间逐页查找完美的图表来讲述他们的故事。这就是我们构建 Radar Researcher 的原因。
## 认识 Radar Researcher
[Radar Researcher](https://radar.cloudflare.com/?showResearcher=true) 的设计目的是让访问数据变得像描述你的需求一样简单。所有信息通过 Radar 的 API 提供，这确保了底层 LLM 依赖真实数据，并能快速以与人类对话相同的格式回答你的问题。
它在每个 Radar 页面上都可用。你可以从页面顶部打开 Radar Researcher 面板，它可以与任何你正在查看的内容并排停靠，因此你可以在聊天的同时继续浏览。以下是一些使用示例：
- **用简单语言获得答案，并带有真实图表**：提问并获得你在 Radar 上看到的相同互动可视化，以及简短的解释。
- **选择你的深度**：选择简明、直接的答案或更全面、多主题的报告。
- **持续分析**：每个答案后，系统会建议有用的后续问题。
- **接续上次对话**：对话记录保存在可搜索的历史中，你可以固定并重新访问任何对话，并可以通过链接共享任何对话。（共享链接在 30 天后会自动失效。）
- **审计推理过程**：查看 LLM 如何解读你的问题，它查询了哪些数据集，以及它是如何处理结果得出答案的。
- **随你所问**：输入文字、使用语音输入或直接从 Radar 的搜索栏启动。
### 将任何图表转变为对话
Researcher 不仅从空白提示开始。任何你在 Radar 上看到的图表，都可以通过**用 AI 解释**的操作打开助手，并带有该确切可视化。
它不会要求你描述你所看到的内容，而是捕捉到你正在查看的确切可视化并从那里开始对话。正如下方所示，Radar Researcher 会考虑上下文分析数据并给予解释。
在后台，助手同时向模型提供三样东西：图表的截图（一个具备视觉识别能力的模型可以直接读取图像）、Radar API 提供的确切数据，以及你当前视图的参数，包括位置、日期范围和你应用的任何过滤器。截图允许 Radar Researcher 看到你所看到的内容，而原始数据则确保所引用的每一个数字都是精确的，而不是从像素估算出来的，过滤器则意味着解释是针对你确切的视图，而不是图表的通用版本。
### 案例 1：葡萄牙的互联网质量如何？
假设你想知道某个国家的家庭互联网质量。你可以直接询问：
而不是手动调用 API、选择参数或翻阅 Radar 的页面，Radar Researcher 会解读这个问题并为你完成这个工作。你可以跟踪每个步骤的截图：它读取你提问的内容，查询 Radar 的互联网质量 API，然后分析结果并用简单的语言回复你。它呈现的将不是一堆数字，而是你在 [Radar Internet Quality](https://radar.cloudflare.com/quality/pt#connection-quality) 部分看到的相同互动图表。
从这里，你可能会提出自然的跟进问题，比如比较葡萄牙和邻国，Radar Researcher 将为每个国家获取最新数据。它甚至会建议有用的后续步骤，比如想了解葡萄牙与西班牙的比较，或该国最常见的互联网故障。通过让你以简单的语言找到所需信息，我们希望将 Radar 数据应用于你自己的分析变得比以往任何时候都要容易。
### 案例 2：调查互联网中断情况
Radar Researcher 也是为了技术专家而设计的。如果我们了解到一件事，那就是工程师、研究人员和网络运营商的工作流程中，自动化是关键。用手动操作查看相同的数据可能繁琐和有限：你如何确保始终查看最相关的数据？
考虑一个真实事件。在2026年初，伊朗经历了一系列政府指令的互联网停机，其中一次停机持续了近三个月，直到[traffic partially returned in May](https://blog.cloudflare.com/iran-internet-partially-restored-may-2026/)。撰写这样的故事时，需要提取几个视图并随着事态发展进行刷新。要调查此事，你只需询问 Radar Researcher：
这次提问是开放式的，因此 Radar Researcher 会进行一个简短的调查。它查找 Cloudflare Radar 记录的伊朗停机事件，并收集相关的流量数据，然后用简单的语言解释时间线：伊朗的 HTTP 流量指数从 1 月 7 日的约 0.58 降至 1 月 9 日的有效零，1 月 17 日左右开始部分恢复，并在 1 月 27 日接近停机前的水平。它将其呈现为带有停机窗口直接标注的 HTTP 流量指数图表，以及记录的停机表格，同时标记了从 2 月 28 日开始的第二次停机。
从那里，它会建议接下来的调查方向，例如流量与邻国的比较。
## 我们如何构建它
Radar Researcher 完全建立在 Cloudflare 自身的开发者平台上。这展示了任何开发人员都可以用来构建 AI 代理的相同工具。
它的核心是一个执行 [Cloudflare Agents SDK](https://agents.cloudflare.com/) 的 Cloudflare Worker。每个对话都是一个具有自己 SQLite 数据库的状态化 [Durable Object](https://www.cloudflare.com/products/durable-objects/)，因此你的聊天历史、标题和流式响应得以保存。即使在你离开页面时，生成仍会在服务器端继续，并在你重新连接时恢复。
The "brain" 是运行 [Workers AI](https://www.cloudflare.com/products/workers-ai/) 的 [open models](https://developers.cloudflare.com/workers-ai/models/)，如 Kimi K2.7。我们并没有仅依赖于一个模型，而是跨三个不同的模型家族运行有序的回落链。如果一个模型暂时达到容量，请求会无缝切换到下一个，因此任何单个提供者的事件不会使 Researcher 停止工作。每个调用都会通过 [AI Gateway](https://www.cloudflare.com/products/ai-gateway/) 路由，以便进行日志记录、成本跟踪、缓存和安全防护。
更有趣的是 Researcher 是如何接入 Radar 的数据。我们没有为 Radar 的每个数百个端点手动编写工具，而是使用 [Cloudflare MCP server](https://github.com/cloudflare/mcp) 统一连接代理，通过 [Code Mode](https://blog.cloudflare.com/code-mode-mcp) 连接。该模型仅获得三个工具（搜索、执行和文档），并编写代码直接查询 Radar API。它搜索 OpenAPI 规格以找到正确的端点，然后执行一个小代码片段，获取实时数据。因为完整的 API 规格存储在 MCP 服务器上，所以 Radar 的 API 没有任何硬编码的提示。随着 Radar 数据集的增加，Researcher 可以无须代码更改而使用它们。
### 从 Markdown 到真实的 Radar 图表
在这个过程中，还有一个问题需要解决。语言模型以 Markdown 格式作答：文本、表格和项目符号。然而，我们并不想要一堆数字；我们希望得到与 Radar 上到处可见的丰富互动图表。更糟糕的是，当模型尝试直接将数据写入答案时，它往往会进行四舍五入、摘要或截断，这正是你不希望从数据工具中看到的。
我们的解决方案是将数据完全排除在模型的写作之外。当 Radar Researcher 获取数据时，其代码返回一个小封装，将 API 路径与结果配对。然后，模型发出一个轻量级的图表规范，只需引用同一路径：
Radar 的前端将图表的数据与抓取的结果匹配，并使用与网站其余部分相同的可视化组件呈现图表。图表始终忠于 API，Radar Researcher 可以利用我们的整个视觉词汇：时间序列、堆叠区域、圆环图、条形图、地图、直方图等。
### 一些小细节
并非所有任务都需要大型模型。小型、快速的模型处理边任务：一个为每个新对话写简短标题，另一个在每个答案下建议后续问题。两者侧面运行，以便它们不会拖慢你的实际回复。
Radar Researcher 还获得了一些关于此时此刻的小信息。我们将当前日期和时间传递给它，以及与你在 [Radar's IP page](https://radar.cloudflare.com/ip) 上找到的连接的高层次详细信息，例如你的 IP 位置和网络。因此，当你询问 "这里的流量如何？" 时，它可以根据你的地理位置来定制答案。
所有信息都通过 Radar 的前端发送（也是一个 Worker），采用服务绑定，带有每个 IP 的速率限制，并在 [R2](https://www.cloudflare.com/products/r2/) 中存储可共享的对话。每一层，从计算到推理再到网关、存储和数据，都是 Cloudflare 的。
## 由代理提供支持 —— 并为其准备好
Radar Researcher 展现了我们如何使用 AI 代理帮助人们探索我们的数据。但代理故事的另一面是：当代理不是我们的，而是你浏览器中的通用助手，代表你操作时，会发生什么？
如今，想要使用网站的代理通常不得不抓取页面并猜测其工作原理，这种方式既脆弱又慢且容易出错。 [WebMCP](https://webmachinelearning.github.io/webmcp/) 是一种新兴的 Web 标准，解决了这个问题：页面可以注册一小组定义良好的工具，任何浏览器代理都可以直接发现和调用，而不是反向工程 DOM（文档对象模型）。
我们已将 WebMCP 支持添加到 Radar，利用该标准的两种形式：
- **命令式 API** 让我们注册 JavaScript 中的工具，直接调用驱动 UI 的相同代码，因此代理可以直接操作 Radar；过滤国家、地区、大洲或 ASN；更改日期范围；搜索页面、部分和实体（域名、ASN、IP 等）；跳转到任意部分。
- **声明式 API** 通过给 Radar 的现有 HTML 表单添加一些属性，将它们转换为工具，因此代理可以扫描 URL 并进行[URL Scanner](https://radar.cloudflare.com/scan) 查找，查看域名报告，或者测试网站的后量子 TLS 密钥交换支持。
这些功能没有一项是捆绑在用户界面中，它们只是纯粹的渐进增强：在没有 WebMCP 的浏览器中，这些工具根本不存在，且没有任何变化。
这也是我们所倡导的实践案例。Radar 自身的[URL Scanner](https://radar.cloudflare.com/scan) 评估一个网站的[代理就绪](https://blog.cloudflare.com/agent-readiness/)情况，而这些检查之一正好查看这种 WebMCP 集成。通过自己实施，Radar 现在通过了自己的[代理就绪检查](https://isitagentready.com/radar.cloudflare.com)，更重要的是，成为一个人和代理都能轻松导航的网站。
## 尝试一下
Radar Researcher 今天在 [Cloudflare Radar](https://radar.cloudflare.com) 上以测试版形式推出。在任何页面上寻找标题栏中的 Researcher 按钮。它完全建立在 Cloudflare 的开发者平台上，且才刚刚开始：我们将持续扩展其理解的数据集，优化其分析，并添加与数据互动的新方式。
就像所有 Cloudflare 产品一样，Radar 是以用户为中心构建的。我们想知道什么对你有用。请在社交媒体上告诉我们你的想法，地址是 [@CloudflareRadar](https://x.com/CloudflareRadar) (X), [noc.social/@cloudflareradar](https://noc.social/@cloudflareradar) (Mastodon), 和 [radar.cloudflare.com](http://radar.cloudflare.com) (Bluesky)，或者通过电子邮件联系 [radar@cloudflare.com](mailto:radar@cloudflare.com)。
告诉我们哪些有效、哪些无效、你发现的见解、哪些仍然感觉遥不可及，以及所有介于两者之间的内容。你们的反馈将帮助我们改进并使 Radar Researcher 更加完善，直至全面上线。我们迫不及待地想看到你们与之互动的方式！
---
原文链接：[点击查看](https://blog.cloudflare.com/introducing-radar-researcher/)
评论
暂无评论。