你读完一篇有关公共空间的知乎文章，想继续了解这个主题，却不知道还有哪些专栏值得看。相似专栏推荐可以提供新的入口，但推荐关系本身没有解释每个专栏适合你的原因。把它当作待探索清单，比直接当成权威书单更合适。

用读过的文章作为起点

该推荐能力以文章标识查询，而不是以专栏名称或作者标识查询。先确认种子文章确实代表你想继续研究的问题，再取推荐结果。若文章只偶然提到公共空间，推荐方向也可能偏离你关注的部分；因此选择起点是阅读策略的一部分，不应盲目追求更多结果。

给推荐专栏做一次轻量试读

按列表范围逐步查看候选，记录分页位置并避免重复整理。不要假定返回资料已经包含全部文章或完整观点，可以进一步打开专栏阅读代表性内容。为每个候选写一句它补充了什么：基础概念、不同案例、相反论证，或只是相似表面关键词。这个判断来自试读，而非接口自动认证。

保留不一致的阅读方向

如果某个专栏与种子文章观点不同，也可能值得加入，因为它能帮助比较证据。反过来，推荐位置靠前并不表示更正确、更新或更全面。最后整理成少量继续阅读的入口，附入选理由和尚未确认的主题。推荐不是全集，未出现的专栏不应被判断为不相关；必要时再从其他来源补充，避免阅读范围只围绕同一种推荐逻辑收缩。

完整地址与参数

GET https://api.trmesh.com/openapi/api/v1/zhihu/web/fetch_column_recommend

参数 类型 必填 含义
article_id string 是 文章ID
limit string 否 每页专栏数量
offset string 否 偏移量

可以复制的 Python 请求

安装 requests 并在环境变量中设置 TRMESH_API_TOKEN。把示例用户名或作品 ID 换成你要查询的对象。

import os
import requests

# 使用自己的 TRMesh 开发者密钥；不要将密钥写入网页。
url = "https://api.trmesh.com/openapi/api/v1/zhihu/web/fetch_column_recommend"
params = {
    "article_id": "YOUR_ARTICLE_ID"
}
response = requests.get(
    url, params=params, timeout=30,
    headers={"Authorization": f"Bearer {os.environ['TRMESH_API_TOKEN']}"},
)
response.raise_for_status()
payload = response.json()
print(payload)  # 先核对真实响应，再提取业务字段

对应接口文档 · 返回免费查询工具

调用接口会使用你的 TRMesh 账号额度，运行前请确认接口价格。