智能搜索

解决的信息获取痛点

在构建大语言模型应用时，开发者常面临一个工程挑战：如何让模型安全、可控地跨越“知识截止时间”的鸿沟，获取并消化实时网页信息。直接让模型抓取网页往往会产生大量噪音，非结构化的 HTML 会严重干扰 LLM 的注意力机制，导致生成的总结偏离重点。此外，针对特定竞品或技术文档的持续追踪，目前缺乏一种轻量级、可配置的自动化方案。

本技能（web-info-assistant）正是为了解决上述自动化流程中的信息提炼与监控问题而设计的。

核心机制与关键步骤

该技能将网络信息处理拆解为三个独立的工作流，通过意图识别自动路由到对应的执行逻辑：

• 结构化搜索：当触发搜索意图时，技能优先调用 tavily_search API 以获取高质量、结构化的结果（包含标题、链接与摘要）。若运行环境中未配置该 API Key，系统会无缝降级，使用内置的 web_search 工具作为兜底方案，确保检索能力不中断。
• 内容净化与摘要：针对 URL 输入，技能使用 web_fetch 抓取目标网页正文。这一步通过过滤 CSS 标签、广告及无关元素，提取纯净的文本节点，再交由模型生成 300 字以内的高密度中文摘要，保留关键数据和核心观点。
• 可配置的异步监控：对于指定网站的内容追踪，技能采用定时任务机制（默认建议频率为每小时）定期请求目标 URL。通过对比更新内容并匹配关键词，一旦发现命中项，即向用户推送包含摘要和链接的通知。

执行上述流程后，技能会对获取的信息进行清洗、去重和排序，最终将重要结果持久化至 memory 模块，以便在后续上下文中直接检索使用。

工程边界与注意事项

在实际部署该技能时，开发者需要注意以下工程边界：

1. 合规性与速率限制：所有网络请求均需严格遵守目标网站的 robots.txt 规则。在构建自动化流程时，务必加入请求间隔控制，避免对目标服务器造成高频负载。
2. 复杂反爬场景：对于强制要求登录或部署了高级反爬策略（如动态 Token 校验）的网站，基础的 web_fetch 可能失效。此时需在环境中额外配置浏览器自动化方案（如 browser-automation），但这会增加本地资源的开销。
3. 存储与隐私：技能会定期清理本地缓存以释放磁盘空间。同时，系统仅持久化用户明确确认的重要搜索结果至 memory，不存储非必要的隐私信息。