- name
- xyz
- description
- 网络搜索工具，支持多种搜索引擎后端（DuckDuckGo、Tavily、Bing、Google、SearXNG）。使用场景：当用户需要搜索网络上的实时信息、查找最新资料、获取在线资源时调用。通过命令行执行搜索查询并返回结构化的搜索结果（标题、链接、摘要）。
- license
- Complete terms in LICENSE.txt
xyz
概述
网络搜索技能，为代理系统提供实时网络搜索能力。支持 5 种搜索引擎后端，默认使用 DuckDuckGo（免费，无需 API Key），也可切换至 Tavily、Bing、Google 或 SearXNG。
使用方法
基本用法
python scripts/xyz.py "<query>"命令行参数
| 参数 | 说明 |
|---|---|
<query> | 搜索查询文本（必填） |
--json | 以 JSON 格式输出结果 |
--provider <name> | 指定搜索引擎：duckduckgo、tavily、bing、google、searxng |
--max <n> | 最大返回结果数（默认: 10） |
使用示例
# 基本搜索
python scripts/xyz.py "Python 异步编程教程"
# 使用 JSON 格式输出
python scripts/xyz.py "机器学习入门" --json
# 指定搜索引擎和结果数量
python scripts/xyz.py "最新科技新闻" --provider bing --max 5支持的搜索引擎
| 引擎 | 说明 | 所需环境变量 |
|---|---|---|
duckduckgo (默认) | 免费，无需 API Key。优先使用 duckduckgo_search 库，未安装时回退到 HTML 解析 | 无 |
tavily | Tavily 搜索 API | TAVILY_API_KEY |
bing | Bing Web Search API | BING_API_KEY |
google | Google Custom Search API | GOOGLE_API_KEY、GOOGLE_CSE_ID |
searxng | 自托管 SearXNG 实例 | SEARXNG_URL（默认 http://localhost:8080） |
环境变量
| 变量名 | 说明 | 默认值 |
|---|---|---|
SEARCH_PROVIDER | 默认搜索引擎 | duckduckgo |
SEARCH_MAX_RESULTS | 默认最大返回结果数 | 10 |
SEARCH_TIMEOUT | HTTP 请求超时时间（秒） | 30 |
TAVILY_API_KEY | Tavily API 密钥 | — |
BING_API_KEY | Bing Search API 密钥 | — |
GOOGLE_API_KEY | Google Custom Search API 密钥 | — |
GOOGLE_CSE_ID | Google 自定义搜索引擎 ID | — |
SEARXNG_URL | SearXNG 实例地址 | http://localhost:8080 |
输出格式
文本格式（默认）
每条结果包含序号、标题、链接和摘要：
搜索 "Python 异步编程" 找到 3 条结果：
[1] Python asyncio 完整指南
链接: https://example.com/asyncio-guide
摘要: 本文介绍了 Python asyncio 模块的核心概念...
[2] ...JSON 格式（--json）
{
"query": "Python 异步编程",
"count": 3,
"results": [
{
"title": "Python asyncio 完整指南",
"url": "https://example.com/asyncio-guide",
"snippet": "本文介绍了 Python asyncio 模块的核心概念..."
}
]
}运行要求
- Python 3.10+
- 仅使用标准库（
urllib、json、re、html），无强制第三方依赖 - 可选安装
duckduckgo_search库以提升 DuckDuckGo 搜索质量 - 脚本启动时会自动进行网络连通性检测
注意事项
- 根据返回的搜索结果（标题、链接、摘要）组织答案，不新增或臆造内容
- 使用非 DuckDuckGo 引擎前，请确保对应的 API Key 环境变量已正确设置
- 如网络不可用，脚本会输出警告信息但仍会尝试执行搜索
进度跟踪
系统实时显示搜索进度：
- 格式：
{index + 1}/{depth}th search executed. - 例如：
1/3th search executed.
使用场景
适用场景
- 复杂主题研究: 需要对特定主题进行深入、全面的研究
- 最新信息分析: 需要基于最新网络信息生成详细分析报告
- 多角度探索: 需要从不同角度和维度探索一个主题
- 系统化调查: 需要系统化的调查和证据收集
典型用例
- 市场趋势分析
- 技术发展研究
- 竞争对手分析
- 学术文献综述
- 产品调研
技术特点
智能特性
- 自适应搜索: 每轮搜索后由LLM分析结果，智能决定下一步搜索方向
- 避免重复: 系统记录已搜索主题，避免重复搜索相同内容
- 深度推理: 使用专门的推理模型进行综合分析
系统特性
- 多轮迭代: 支持指定深度的多轮搜索
- 并行能力: 支持最多10个并行搜索
- 状态管理: 完整的变量管理和状态跟踪
- 进度可视: 实时显示搜索进度和状态
集成特性
- LLM集成: 结合GPT-4o进行智能分析，deepseek-reasoner进行深度推理
- 网络搜索: 集成web-search技能获取实时网络信息
- JSON处理: 使用JSON解析工具处理结构化数据
工作流示例
输入示例
用户查询: "人工智能在医疗领域的最新发展"
研究深度: 3执行流程
- 第1轮:
- LLM分析: 决定搜索"AI医疗诊断最新进展" - Web搜索: 执行搜索并收集结果 - 状态更新: 记录主题，决定继续搜索
- 第2轮:
- LLM分析: 基于第1轮结果，决定搜索"医疗影像AI技术突破" - Web搜索: 执行搜索并收集结果 - 状态更新: 记录主题，决定继续搜索
- 第3轮:
- LLM分析: 基于前两轮结果，决定搜索"AI药物研发应用" - Web搜索: 执行搜索并收集结果 - 状态更新: 记录主题，决定结束搜索
- 综合分析:
- LLM综合分析所有收集到的findings - 生成关于"人工智能在医疗领域的最新发展"的详细报告
输出示例
# 人工智能在医疗领域的最新发展研究报告
## 执行摘要
[基于三轮搜索的综合分析...]
## 主要发现
1. AI在医疗诊断方面的最新进展
- [具体发现1]
- [具体发现2]
2. 医疗影像AI技术突破
- [具体发现3]
- [具体发现4]
3. AI在药物研发中的应用
- [具体发现5]
- [具体发现6]
## 结论与建议
[综合分析结论...]
## 未来研究方向
[基于研究发现提出的未来研究方向...]注意事项
工作流限制
- 无执行脚本: 本skill是一个工作流描述文档，不包含可执行脚本
- 外部依赖: 依赖web-search技能执行实际搜索
- 参数简化: 搜索时仅使用query参数，忽略其他搜索配置
使用建议
- 深度设置: 根据研究复杂度设置合适的depth值
- 查询优化: 提供清晰具体的研究主题
- 结果验证: 对生成的报告进行必要的事实核查
最佳实践
- 渐进式研究: 从宽泛主题开始，逐步深入具体方向
- 多源验证: 结合多个来源的信息进行交叉验证
- 及时更新: 对于快速发展的主题，建议定期重新研究
故障排除
常见问题
- 搜索无结果: 检查query是否过于具体或专业，尝试更通用的搜索词
- 迭代过早结束: 调整LLM的temperature参数或提供更多上下文
- 结果重复: 系统已内置避免重复机制，如仍出现可手动干预
性能优化
- 并行搜索: 充分利用系统的并行能力（最多10个并行）
- 缓存利用: 对于相同主题的多次研究，可考虑结果缓存
- 增量更新: 对于持续研究，可采用增量更新策略
重要提示: 本skill描述了一个深度搜索工作流，实际执行需要依赖外部技能和配置。请确保已正确配置xyz技能和相关LLM服务。