Web Search

使用此技能进行网络发现。

典型场景：

• 用户需要最新的事实、新闻、发布信息或公告
• 需要查找正确的文档页面、博客文章、代码仓库或产品页面
• 在总结或对比之前，需要多个外部来源的信息
• 用户提出模糊请求，例如“找官方文档”、“查当前价格”或“看看最近有什么变化”

如果用户已提供确切的 URL 并希望获取其内容，请使用 web-fetch 而非本技能。

命令

运行：

node ./search.mjs --query "<query>"

可选参数：

• --numResults <n>
• --type auto|fast|deep
• --livecrawl fallback|preferred
• --contextMaxCharacters <n>

示例：

node ./search.mjs \
  --query "Anthropic Model Context Protocol latest announcements" \
  --numResults 5 \
  --type fast

如何构建有效的查询

在调用工具前，将用户的请求转化为聚焦明确的搜索词。

建议包含以下要素：

• 精确的产品、公司、库、框架或主题名称
• 所需的具体方面，如价格、发布说明、文档、迁移指南、API 参考、基准测试或对比
• 相关的时间限定词，如 2026、latest、recent 或版本号
• 有用的来源提示，如 site:docs.example.com 或 site:github.com

必要时，应进行多次更窄的搜索，而非一次宽泛的搜索。

示例：

• next.js app router caching docs site:nextjs.org
• openai responses api pricing 2026
• cloudflare workers durable objects migration guide
• site:github.com vercel ai sdk tool calling examples

搜索策略

1. 从一个精准的查询开始。
2. 查看返回的来源和摘要内容。
3. 若结果不佳，应优化查询，而非重复相同操作。
4. 若发现某个重要链接需深入检查，后续使用 web-fetch 获取详细内容。
5. 对于对比或研究性总结，优先选择少数高质量来源，而非大量低质量结果。

参数选择建议

除非任务明确需要其他设置，否则使用默认值即可。

• --type auto：推荐作为默认选项
• --type fast：适用于快速查证和简单发现
• --type deep：用于难度较高的研究任务，更注重召回率而非速度
• --numResults：窄查询可降低数值；广泛调研时可适当提高
• --contextMaxCharacters：仅在确实需要更多上下文时才增加
• --livecrawl preferred：当信息时效性重要且希望获取更多实时数据时使用

输出处理方式

CLI 返回来自 Exa 的原始搜索上下文。

搜索完成后：

• 除非用户特别要求，否则不要直接输出原始结果，而应进行总结
• 清晰引用或提及最相关的来源
• 明确指出不确定性、过时迹象或不同来源之间的矛盾
• 若用户提出具体问题但搜索结果仍不清晰，可使用 web-fetch 获取一两个权威页面并进行核查

失败处理

若搜索失败或结果质量较差：

• 紧缩或重构查询
• 缩小范围至特定厂商、网站、产品或时间区间
• 将复合问题拆分为多个独立搜索
• 若来源质量差或当前信息难以验证，应如实告知用户

注意事项

• 不需要 API 密钥。
• 该接口与 opencode 的 Exa 支持的搜索流程一致。
• 此技能主要用于初步发现；需搭配 web-fetch 实现详细页面内容获取。