Agent Skills
返回列表
🤖

Tavily 大模型搜索 API

AI Agent 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @org-eyw2ohcx/tavily-ai-skills-tavily-best-practices。

技能介绍

什么时候需要 Tavily

自定义 Agent 或 RAG 管线里,模型往往没有可靠的「当下网页」——训练截止、幻觉链接、长文档整页塞进上下文都会拖垮答案质量。Tavily 是面向 LLM 的搜索与抓取 API:你按任务选 search()、extract()、crawl()、map(),或直接用带综合与引用的 research(),把实时检索和正文片段接进工作流,而不是自己维护爬虫和清洗脚本。

技能里怎么选接口

自建流程时,可按需求对照:search() 做关键词检索并控制 search_depth、域名白名单/黑名单与时间范围;extract() 对最多 20 个 URL 做正文抽取,并可配合 query 与 chunks_per_source 缩小片段;crawl() 在站内按深度、广度与路径规则批量取内容;map() 负责发现站点 URL,常与「先 map 再 extract」搭配。若要端到端调研报告,用 research(),在 mini / pro / auto 间选模型,并可选流式输出、output_schema 与引用格式。

技能文档还指向 references/ 下的搜索调参、抽取一步/两步、与 LangChain、LlamaIndex、CrewAI、Vercel AI SDK 等集成说明,便于落在具体框架里。

边界与注意点

extract() 有 URL 数量上限;crawl() 与 map() 范围设得过宽会拉长时延与费用,应用 instructions、select_paths 收窄语义焦点。research() 适合「要成稿+引用」的场景,细粒度 RAG 仍可能需要先 search/extract 再自管合成。异步调用与 Hybrid RAG 模式需对照 SDK 参考实现,避免在 Agent 里同步阻塞整链。

使用场景

  • 多步调研 Agent 需按关键词拉实时检索结果并限制来源域名与时间窗
  • 手头有一批新闻或文档链接,要把正文抽成带来源片段再喂给下游总结节点
  • 要摸清某文档站有哪些可抓路径,再只对相关 URL 做批量 extract
  • 产品内嵌「输入问题即出带引用简报」时,用 research 模型选型与结构化 schema

适合人员

  • 在 LangChain 或 CrewAI 里编排联网检索步骤、要对照 Tavily 各方法参数的 Agent 工程师
  • 维护 Hybrid RAG 管道、需在 search 深度与 post-filter 之间做权衡的后端开发者
  • 做竞品/政策跟踪 Bot,要配置 crawl 广度与 exclude_paths 控制抓取范围的数据工程师
  • 在 Vercel AI SDK 侧接入第三方搜索、需要查 integrations 文档的全栈开发者