Web联网搜索

要解决什么问题

在 Agent 场景里，「联网」往往意味着两类需求：按关键词拿到可引用的搜索结果，以及把具体页面里的正文、附件甚至截图变成结构化数据。若各模型各自调用内置 web_search，返回格式不统一，也很难和后续的抓取、去重、时间过滤对齐。本技能把搜索与抓取收敛到固定 Python 脚本，并强制 stdout 只输出裸 JSON 数组，方便下游直接解析。

如何工作

搜索入口一律走 scripts/web_search.py，不得使用原生 web_search 工具。收到检索请求后，应执行脚本并把 标准输出原样 返回，不得在前后加说明、Markdown 或总结。

每条结果严格 5 个字段：标题、链接、摘要、发布时间、文件集合。常用参数包括 --query（必填）、--max-results、--start-date / --end-date、--engines（如 all），以及 --fetch-detail / --max-detail 控制是否拉详情页。

配套能力：

• web_scraper.py：从起始 URL 按深度递归抓取，支持关键词过滤、文件提取与图片 OCR。
• web_screenshot.py：基于 Playwright 截图，可选 OCR 与输出路径。
• 反爬与检测策略见 references/anti_detection.md。

适用边界与注意点

本技能是 流程与格式契约，不是「随便搜一下」的快捷工具：违反裸 JSON 或字段约定会破坏自动化链路。详情抓取与多引擎检索会增加延迟与被封风险，应合理设置 --max-results、--max-detail 和日期范围。截图与深度抓取适合已知 URL 或少量种子页，不适合无界全网爬取。