OpenClaw Search 🔍

面向自主代理的智能搜索工具。由 AIsa 驱动。

一个 API 密钥，多源检索，答案附带置信度评分。

灵感来自 [AIsa Verity](https://github.com/AIsa-team/verity) —— 一种具备可信度评分的答案生成型搜索代理。

🔥 能做什么？

研究助理

"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 框架的评测与对比信息"

新闻聚合

"获取量子计算突破的最新新闻"

深度研究

"结合网页与学术资源，对‘自主代理’进行智能搜索"

快速开始

export AISA_API_KEY="your-key"

🏗️ 架构：多阶段编排

OpenClaw Search 采用 两阶段检索策略，以实现全面的结果覆盖：

第一阶段：发现（并行检索）

同时查询四个不同的搜索流：

• Scholar：深度学术检索
• Web：结构化网页搜索
• Smart：智能混合模式搜索
• Tavily：外部验证信号

第二阶段：推理（元分析）

使用 AIsa Explain 对搜索结果进行元分析，生成：

• 置信度评分（0-100）
• 来源一致性分析
• 综合结论

┌─────────────────────────────────────────────────────────────┐
│                      用户查询                              │
└─────────────────────────────────────────────────────────────┘
                              │
              ┌───────────────┼───────────────┐
              ▼               ▼               ▼
        ┌─────────┐     ┌─────────┐     ┌─────────┐
        │ Scholar │     │   Web   │     │  Smart  │
        └─────────┘     └─────────┘     └─────────┘
              │               │               │
              └───────────────┼───────────────┘
                              ▼
                    ┌─────────────────┐
                    │  AIsa Explain   │
                    │ (元分析)        │
                    └─────────────────┘
                              │
                              ▼
                    ┌─────────────────┐
                    │ 置信度评分      │
                    │ + 综合结论      │
                    └─────────────────┘

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/文献搜索

# 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"

# 添加年份筛选
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 + 学术联合）

# 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}'

# 生成站点地图
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）

# 生成解释并附带置信度评分
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

与传统 RAG 系统不同，OpenClaw Search 会评估信息的可信度与共识程度：

评分标准

分数解读

Python 客户端

Web 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"

多源搜索与置信度评分

python3 {baseDir}/scripts/search_client.py verity --query "Is quantum computing ready for enterprise?"

API 端点参考

搜索参数

🚀 构建类 Verity 智能体

希望构建自己的置信度评分搜索智能体？以下是推荐模式：

1. 并行发现

import asyncio

async def discover(query):
    """阶段一：并行从多个来源获取数据。"""
    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):
    """计算确定性的置信度分数。"""
    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

    # 新鲜度（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. 综合生成

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"]
    }

完整实现请参见 [AIsa Verity](https://github.com/AIsa-team/verity)。

定价

每次响应均包含 usage.cost 和 usage.credits_remaining。

开始使用

1. 访问 [aisa.one](https://aisa.one) 注册账号
2. 获取 API 密钥
3. 充值积分（按需付费）
4. 设置环境变量：export AISA_API_KEY="your-key"

完整 API 参考

详见 [API 参考文档](https://aisa.mintlify.app/api-reference/introduction) 获取全部端点说明。

资源

• [AIsa Verity](https://github.com/AIsa-team/verity) - 置信度评分搜索智能体的参考实现
• [AIsa 文档](https://aisa.mintlify.app) - 完整的 API 文档