网页实时搜索与结果摘要整理

要解决的问题

很多工作流里，模型需要查最新资料才能给出靠谱回答——比如确认某个 API 的最新状态、某个库的最新版本、某条新闻的细节。但直接让模型去「搜一下」会遇到几个具体麻烦：

• 云端搜索链路慢：动辄一两分钟的等待，对简单查询来说是浪费，用户只想快速知道「最近发生了什么」。
• 查询参数太粗：多数搜索工具只接受一个关键词，没法控制返回多少条结果、搜多深、限定什么时间范围。
• 结果没法追溯：摘要写得很漂亮，但不附来源链接，无法验证，也分不清哪些是事实、哪些是模型的推测。

技能如何工作

这个技能的核心是一个本地运行的搜索工具 web_search，自动在 Tavily 和 Exa 两个后端之间选择：

• 有 Key 就用本地搜索：只要本地配置了 TAVILY_API_KEY 或 EXA_API_KEY（至少一个），请求直接在本地发起，响应时间在 200ms～3s 之间。
• 双后端互补：Tavily 主打 AI 优化的快速检索；Exa 走语义搜索路线，能返回全文内容。
• 参数可控：除了必填的 query，可以设置 max_results（上限 20，默认 5）、search_depth（basic 快速模式或 advanced 深度模式）和 time_range（day / week / month / any）。
• 与云端分工明确：本地没有 Key，或需要多步深度调研、长任务分析时，决策规则是切换到 cloud_agent 走云端通道——本地快、云端深，各司其职。

输出层面有硬性规范：每条回答标注信息来源并附链接；明确区分事实与推测/观点；搜索结果不充分时直接告知用户；时效性信息标注日期。

适用边界

• 它是轻量查询工具，不是深度调研引擎——复杂多步任务请交给 cloud_agent。
• 必须自备 Key：技能本身不提供 API Key，两个后端都没有配置时本地搜索无法工作。
• 搜索质量依赖所配置后端的索引覆盖和查询写法，语义搜索不是万能的。