核心用法
OpenClaw Search 是一套面向自主 Agent 的多源智能检索系统，通过统一的 API 密钥接入四大搜索流：Scholar（学术深度检索）、Web（结构化网页搜索）、Smart（智能混合模式）以及 Tavily（外部验证信号）。用户可通过 curl 命令或 Python 客户端快速调用，支持基础检索、全文抓取、URL 内容提取、网页爬取及站点地图生成等高级功能。
其独特之处在于 两阶段检索架构：Phase 1 并行发起多源查询以最大化信息覆盖；Phase 2 调用 AIsa Explain 进行元分析，生成 0-100 的置信度评分、来源一致性分析及综合答案。这种设计尤其适用于需要验证信息可靠性的研究助手、市场分析、竞品调研等场景。
显著优点
1. 多源融合与交叉验证：同时检索学术数据库与开放网络，通过来源一致性分析识别共识与分歧，降低单一信息源偏差风险。
2. 置信度量化评估：首创四维度评分体系（来源质量 40%、共识分析 35%、时效性 15%、相关性 10%），为 Agent 决策提供可量化的可信度依据。
3. 零第三方依赖：Python 实现仅使用标准库（urllib、json、os 等），彻底消除供应链攻击面，部署极简。
4. 透明成本管控：每次响应返回 usage.cost 和 usage.credits_remaining，支持按量付费，单次搜索成本约 0.001-0.003 美元。
5. 开放架构可扩展：提供完整的 Verity 模式实现代码，开发者可基于相同架构构建自定义置信度评分 Agent。
潜在缺点与局限性
1. 外部服务强依赖：全部功能依赖 api.aisa.one 可用性，服务中断将导致 Skill 完全失效；Tavily 功能还需额外信任 Tavily 服务层。
2. T3 来源可信度：发布者为社区用户 aisapay（clawhub.ai 平台），非知名开源基金会或企业背书，长期维护承诺存在不确定性。
3. 网络流量开销：Verity 模式并行 4 线程请求，高频率调用可能产生显著网络流量，对带宽敏感环境不友好。
4. 评分黑箱风险：虽然公开了评分维度权重，但具体的共识分析算法、相关性计算等核心逻辑未开源，难以完全审计。
5. 中文支持未明确：文档及示例均为英文，中文检索的质量、学术源覆盖度需实际验证。
适合的目标群体
- 科研人员与学术用户：需要追踪最新论文、验证研究结论、生成文献综述的研究者。
- AI Agent 开发者：构建需要可信信息检索能力的 RAG 系统、研究助手、自动报告生成工具。
- 市场与竞品分析师：需要快速聚合多源信息、评估信息可信度、生成决策支持的商业分析场景。
- 新闻与内容聚合应用：对时效性和来源可靠性有要求的自动化新闻监控与摘要系统。
常规使用风险
1. API 密钥泄露风险：虽通过环境变量读取符合最佳实践，但仍需防范命令历史记录、CI/CD 日志泄露，建议定期轮换。
2. 敏感信息外泄：搜索查询和 URL 会发送至 AIsa 服务器，避免在查询中包含内部机密数据、未公开产品信息或个人隐私数据。
3. 爬取合规风险：crawl、map、extract 功能可能被目标网站视为非授权访问，建议仅在公开可爬取、符合 robots.txt 规范的站点使用，并控制爬取深度。
4. 成本失控风险：高频并行调用可能快速消耗积分余额，建议在关键路径外增加缓存层或降级策略。
5. 响应内容注入：虽未发现 eval/exec 等危险操作，但外部 JSON 响应的解析仍需防范异常数据导致的解析失败或逻辑异常。