AI代理专家数据源
PostGrad 将自己定位为“AI agents 的数据/知识 hub”。从抓取正文看，它不是通用聊天机器人或基础模型，而是把会议记录中的真实业务经验提取成结构化知识，再通过 REST API 与 MCP Server 提供给智能体调用。每条知识包含标题、类别、内容、标签、置信度、强化次数和更新时间，目标是让 Agent 获得更新鲜的业务上下文，而不是依赖静态文档、爬虫或微调。
其核心能力集中在知识 Feed 订阅与检索。开发者可以按类别或行业浏览并订阅 Feed，然后通过 API 查询知识条目。搜索能力按套餐分层：Starter 支持关键词搜索，Pro 增加语义搜索，Scale 支持关键词、语义和混合搜索。接口设计较工程化，支持指定 Feed、自动选择最丰富 Feed、跨所有订阅 Feed 合并搜索，以及按 category 过滤。集成方面提供 REST API、MCP、Webhooks、Python/TypeScript SDK，并有 feeds、knowledge、search、usage、categories、stats 等端点，适合嵌入 Agent 工作流。
定价透明且门槛较低：Starter 为 5 美元/月，1,000 次查询/月；Pro 为 19 美元/月，10,000 次查询/月并含优先支持；Scale 为 49 美元/月，50,000 次查询/月并含专属支持。所有层级都可访问已订阅的 Feed 与类别，主要差异在请求速率、月查询量和搜索模式。正文未提供免费额度或免费试用信息。
优点是定位清晰，专门解决 Agent 缺少外部专业知识的问题；API 与 MCP 并重，接入成本低；知识条目结构化且带置信度与强化次数，便于程序判断质量。缺点也明显：网页没有说明具体 10+ domains 的完整覆盖范围、知识来源审核机制、授权与隐私合规条款；中文支持没有披露；输出质量更多依赖其会议提取和内容供给体系，但正文缺少准确率或评测信息。
PostGrad 适合 AI Agent 开发者、Bot 产品团队、SaaS 工具开发者，以及需要在尽调、交易评估、销售流程、定价策略、增长和招聘等场景中调用商业知识的团队。中国访问情况正文未说明，网络连通性和支付方式均未知；若访问或支付受限，可考虑自建 RAG 知识库、向量数据库加内部文档/授权数据管道，或寻找支持中文和本地支付的 MCP/API 知识库服务替代。
本测评基于公开资料整理,不构成购买建议,请以 postgrad.io 官网实际信息为准。
为Claude、Cursor等提供结构化专家知识Feed。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。