第 0 天
验证访问权限
创建密钥，完成一次身份验证请求，并保存第一个带有其元数据的响应。
打开步骤 →API 工作流指南
你想构建什么？
选择最接近您工作的选项。每个路径都会为您提供一个可工作的请求、响应应包含的内容、如何检查其是否有效以及下一个有用的步骤。
五条实用路径
从结果开始，而不是从终点列表开始。
Selected: Build a macro model
您的 14 天 API 试用
从首次请求转变为值得保留的任务。
目标不是访问每一个产品页面。目标是完成有用的、经过身份验证的 API 工作，在另一天返回，并带着可重复的数据集或应用工作流离开。
天 1-2
使请求具有可靠性
解决身份验证或过滤器问题，并将第一个脚本转化为命名的可重复任务。
打开步骤 →第 3-4 天
添加发布时间
将日历作为第二个端点系列，并调度下一个有用的 API 运行。
打开步骤 →天 5-7
构建研究输出
添加预期或一小组宏观序列，然后生成一个保存的对比、表格或计分卡。
打开步骤 →天 8-10
自动化更新
选择计划内的 REST、SSE 或 Webhooks，并在另一天完成另一次成功的 API 运行。
打开步骤 →天数 11-13
加固客户端
添加超时、有限重试、响应验证、凭据安全日志记录以及陈旧数据监控。
打开步骤 →14 日
查看证据
确认 API 提供了一个您的团队将持续使用的可重复任务，然后选择下一个数据集或应用工作流。
打开步骤 →Research system
Build a repeatable FX macro model
Start with policy, inflation, labour, and growth. Store observations and metadata consistently, then add scoring only after the underlying dataset is stable.
工作示例
将您的密钥保存在 FXMD_API_KEY; 切勿将其粘贴到源代码控制中。
import os
import requests
root = "https://api.fxmacrodata.com/v1/announcements/eur"
series = {}
for indicator in ("policy_rate", "inflation", "unemployment", "gdp"):
response = requests.get(
f"{root}/{indicator}",
params={"api_key": os.environ["FXMD_API_KEY"], "limit": 12},
timeout=20,
)
response.raise_for_status()
series[indicator] = response.json()
print(series.keys())预期结果： Four consistently structured EUR datasets ready for normalization, scoring, and scheduled refreshes.
当第一个脚本变成一个真正的系统时
故障排除和生产指南
当响应失败、未返回数据或需要生产控制（如缓存、超时、重试和事件传递）时，请使用这些指南。