名称： openclaw-search
描述： "智能搜索代理。多源检索与置信度评分——集成网页、学术和Tavily的统一API。"
主页： https://openclaw.ai
元数据： {"openclaw":{"emoji":"🔍","requires":{"bins":["curl","python3"],"env":["AISA_API_KEY"]},"primaryEnv":"AISA_API_KEY"}}

OpenClaw Search 🔍

为自主智能体提供智能搜索。由 AIsa 驱动。

一个 API 密钥。多源检索。置信度评分答案。

灵感来源于 AIsa Verity —— 一个提供可信度评分答案的新一代搜索代理。

🔥 核心功能

研究助手

"搜索 2024-2025 年关于 Transformer 架构的最新论文"

市场调研

"查找 2025 年第四季度关于 AI 初创公司融资的所有网络文章"

竞品分析

"搜索 RAG 框架的评测与对比"

新闻聚合

"获取关于量子计算突破的最新新闻"

深度研究

"结合网络与学术资源对‘自主智能体’进行智能搜索"

快速开始

export AISA_API_KEY="你的密钥"

🏗️ 架构：多阶段编排

OpenClaw Search 采用 两阶段检索策略 以获得全面结果：

阶段 1：发现（并行检索）

同时查询 4 个独立的搜索流：
- 学术搜索：深度学术检索
- 网页搜索：结构化网页搜索
- 智能搜索：智能混合模式搜索
- Tavily 搜索：外部验证信号

阶段 2：推理（元分析）

使用 AIsa Explain 对搜索结果进行元分析，生成：
- 置信度分数（0-100）
- 来源一致性分析
- 综合答案

┌─────────────────────────────────────────────────────────────┐
│                      用户查询                                │
└─────────────────────────────────────────────────────────────┘
                              │
              ┌───────────────┼───────────────┐
              ▼               ▼               ▼
        ┌─────────┐     ┌─────────┐     ┌─────────┐
        │ 学术搜索 │     │ 网页搜索 │     │ 智能搜索 │
        └─────────┘     └─────────┘     └─────────┘
              │               │               │
              └───────────────┼───────────────┘
                              ▼
                    ┌─────────────────┐
                    │   AIsa Explain  │
                    │   （元分析）    │
                    └─────────────────┘
                              │
                              ▼
                    ┌─────────────────┐
                    │   置信度评分    │
                    │   + 综合答案    │
                    └─────────────────┘

核心能力

网页搜索

# 基础网页搜索
curl -X POST "https://api.aisa.one/apis/v1/scholar/search/web?query=AI+frameworks&max_num_results=10" \
  -H "Authorization: Bearer $AISA_API_KEY"

# 全文搜索（包含页面内容）
curl -X POST "https://api.aisa.one/apis/v1/search/full?query=latest+AI+news&max_num_results=10" \
  -H "Authorization: Bearer $AISA_API_KEY"

学术/论文搜索

# 搜索学术论文
curl -X POST "https://api.aisa.one/apis/v1/scholar/search/scholar?query=transformer+models&max_num_results=10" \
  -H "Authorization: Bearer $AISA_API_KEY"

# 带年份过滤
curl -X POST "https://api.aisa.one/apis/v1/scholar/search/scholar?query=LLM&max_num_results=10&as_ylo=2024&as_yhi=2025" \
  -H "Authorization: Bearer $AISA_API_KEY"

智能搜索（网页 + 学术结合）

# 智能混合搜索
curl -X POST "https://api.aisa.one/apis/v1/scholar/search/smart?query=machine+learning+optimization&max_num_results=10" \
  -H "Authorization: Bearer $AISA_API_KEY"

Tavily 集成（高级功能）

# Tavily 搜索
curl -X POST "https://api.aisa.one/apis/v1/tavily/search" \
  -H "Authorization: Bearer $AISA_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"query":"latest AI developments"}'

# 从 URL 提取内容
curl -X POST "https://api.aisa.one/apis/v1/tavily/extract" \
  -H "Authorization: Bearer $AISA_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"urls":["https://example.com/article"]}'

# 爬取网页
curl -X POST "https://api.aisa.one/apis/v1/tavily/crawl" \
  -H "Authorization: Bearer $AISA_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"url":"https://example.com","max_depth":2}'

# 站点地图
curl -X POST "https://api.aisa.one/apis/v1/tavily/map" \
  -H "Authorization: Bearer $AISA_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"url":"https://example.com"}'

解释搜索结果（元分析）

# 生成带置信度评分的解释
curl -X POST "https://api.aisa.one/apis/v1/scholar/explain" \
  -H "Authorization: Bearer $AISA_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"results":[...],"language":"en","format":"summary"}'

📊 置信度评分引擎

与标准 RAG 系统不同，OpenClaw Search 评估可信度和共识：

评分标准

分数解读

Python 客户端

# 网页搜索
python3 {baseDir}/scripts/search_client.py web --query "latest AI news" --count 10

# 学术搜索
python3 {baseDir}/scripts/search_client.py scholar --query "transformer architecture" --count 10
python3 {baseDir}/scripts/search_client.py scholar --query "LLM" --year-from 2024 --year-to 2025

# 智能搜索（网页 + 学术）
python3 {baseDir}/scripts/search_client.py smart --query "autonomous agents" --count 10

# 全文搜索
python3 {baseDir}/scripts/search_client.py full --query "AI startup funding"

# Tavily 操作
python3 {baseDir}/scripts/search_client.py tavily-search --query "AI developments"
python3 {baseDir}/scripts/search_client.py tavily-extract --urls "https://example.com/article"

# 带置信度评分的多源搜索
python3 {baseDir}/scripts/search_client.py verity --query "Is quantum computing ready for enterprise?"

API 端点参考

搜索参数

🚀 构建 Verity 风格代理

想构建自己的置信度评分搜索代理吗？以下是模式：

1. 并行发现

import asyncio

async def discover(query):
    """阶段 1：从多个来源并行检索。"""
    tasks = [
        search_scholar(query),
        search_web(query),
        search_smart(query),
        search_tavily(query)
    ]
    results = await asyncio.gather(*tasks)
    return {
        "scholar": results[0],
        "web": results[1],
        "smart": results[2],
        "tavily": results[3]
    }

2. 置信度评分

def score_confidence(results):
    """计算确定性置信度分数。"""
    score = 0

    # 来源质量 (40%)
    if results["scholar"]:
        score += 40 * len(results["scholar"]) / 10

    # 一致性分析 (35%)
    claims = extract_claims(results)
    agreement = analyze_agreement(claims)
    score += 35 * agreement

    # 时效性 (15%)
    recency = calculate_recency(results)
    score += 15 * recency

    # 相关性 (10%)
    relevance = calculate_relevance(results, query)
    score += 10 * relevance

    return min(100, score)

3. 综合

async def synthesize(query, results, score):
    """生成带引用的最终答案。"""
    explanation = await explain_results(results)
    return {
        "answer": explanation["summary"],
        "confidence": score,
        "sources": explanation["citations"],
        "claims": explanation["claims"]
    }

完整实现请参考 AIsa Verity。

定价

每个响应都包含 usage.cost 和 usage.credits_remaining。

开始使用

1. 在 aisa.one 注册
2. 获取您的 API 密钥
3. 添加信用额度（按需付费）
4. 设置环境变量：export AISA_API_KEY="你的密钥"

完整 API 参考

完整端点文档请参见 API 参考。

资源

• AIsa Verity - 置信度评分搜索代理的参考实现
• AIsa 文档 - 完整的 API 文档