技能介绍

要解决什么问题

大模型对话里的「知识」有截止日期，用户一旦问实时新闻、股价、政策变动或「上周发生了什么」，纯靠模型权重很容易胡编或给出过期结论。更麻烦的是，普通搜索接口往往只能丢一个关键词，很难同时约束「只查维基和纽约时报」「过去 7 天」「美国来源」「英文页面」这类组合条件。

本技能把 Querit 的检索能力接到 OpenClaw：在需要可验证、可筛选的网页信息时，由 Agent 构造结构化查询并执行附带脚本 search.py，把结果拉回对话上下文。

核心能力与用法

触发场景大致两类：用户要最新事实；或检索必须带时间、语言、国家、站点等硬约束。

调用时向脚本传入严格 JSON 字符串（外层用单引号包裹），主要字段包括：

query（必填）：检索词。
count（可选）：返回条数上限。
filters（可选）：细化结果。

- sites：include / exclude 域名列表，例如只收录 wikipedia.org 或排除某站。
- timeRange.date：相对窗口如 d7、w2、m6、y1，或 YYYY-MM-DDtoYYYY-MM-DD 绝对区间。
- geo.countries.include：国家名列表。
- languages.include：语言列表（如 english、japanese）。

简单查询只需 query；复杂场景把上述过滤器叠在同一 payload 里即可，由 Querit 在服务端完成筛选，而不是让模型事后「脑补」过滤。

边界与注意点

必须在 Querit 注册并配置环境变量 QUERIT_API_KEY；新账号通常有约 1,000 次免费查询额度，超出后需按平台规则计费或限流。
技能负责发起检索并把结果交给 Agent，不保证单条网页摘要的完整性；对强合规、强溯源场景仍应让用户点开原始链接核对。
国家、语言等取值需与 API 文档约定一致（如国家用英文全称），写错过滤器可能导致空结果而非报错，排障时先缩小 filters 范围再查 query。