OpenClaw Search 🔍

面向自主智能体的智能搜索。由 AIsa 提供支持。

一个 API 密钥，多源检索，带置信度评分的答案。

灵感源自 AIsa Verity —— 一款具备可信度评分答案的下一代搜索智能体。

🔥 你能做什么？

研究助手

"检索 2024–2025 年关于 Transformer 架构的最新论文"

市场调研

"查找所有关于 2025 年第四季度 AI 创业公司融资的网络文章"

竞品分析

"检索关于 RAG 框架的评测与对比内容"

新闻聚合

"获取量子计算突破性进展的最新新闻"

深度研究

"针对‘自主智能体’这一主题，结合网页与学术资源的智能搜索"

快速开始

export AISA_API_KEY="your-key"

🏗️ 架构：多阶段编排

OpenClaw Search 采用双阶段检索策略，以实现全面、可靠的结果：

第一阶段：发现（并行检索）

同时发起 4 条独立的搜索流：

• 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）

调用 AIsa Explain 对搜索结果执行元分析，生成：

• 置信度评分（0–100）
• 来源一致性分析
• 综合摘要答案

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

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（含页面正文内容）
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/学者搜索

# 检索学术论文
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 中提取正文内容
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}'

# 站点地图生成
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

不同于标准 RAG 系统，OpenClaw Search 对信息可信度与共识程度进行评估：

评分准则

评分解读

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"

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

API 接口参考

搜索参数

🚀 构建 Verity 风格智能体

想构建属于你自己的置信度评分搜索智能体？以下是推荐范式：

1. 并行发现

import asyncio

async def discover(query):
    """第一阶段：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):
    """计算确定性置信度评分。"""
    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. 综合生成

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

完整实现请参阅 AIsa Verity。

定价

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

立即开始

1. 前往 aisa.one 注册账号
2. 获取你的 API 密钥
3. 充值（按量付费）
4. 设置环境变量：export AISA_API_KEY="your-key"

完整 API 参考文档

详见 API Reference 获取全部接口的详细说明。

资源

• AIsa Verity —— 置信度评分搜索智能体的参考实现
• AIsa 文档 —— 完整的 API 文档