核心用法
OpenClaw Search 是面向自主智能体的一站式搜索基础设施，通过单一 API 密钥（AISA_API_KEY）聚合多源检索能力。其核心架构包含三层：
1. 传统搜索层：/scholar/search/web（通用网页）、/scholar/search/scholar（学术论文，支持 as_ylo/as_yhi 年份过滤）、/scholar/search/smart（混合学术检索）
2. 智能问答层：Perplexity Sonar 全家桶——sonar（轻量带引用）、sonar-pro（复杂查询）、sonar-reasoning-pro（分析推理）、sonar-deep-research（深度研究报告）
3. 深度处理层：Tavily 工具链——搜索、URL 提取、网站爬取、站点映射
Python 客户端封装了上述全部能力，支持 verity 多源并行检索模式，可同时查询 web、scholar、hybrid、Tavily 并交叉验证。
显著优点
- 多源聚合：一次调用覆盖网页、学术、实时新闻、深度报告四类信息源
- 引用可信：Perplexity 系列自动生成带来源链接的回答，满足学术与商业场景的可追溯需求
- 分级深度：从毫秒级轻量查询到耗时数分钟的 Deep Research，按需选择成本与质量
- 生态兼容：OpenAI 风格消息格式，降低现有 Agent 框架集成门槛
潜在局限
- 第三方依赖：核心能力依赖 AIsa 平台及下游 Perplexity/Tavily/Google Scholar 的可用性与定价策略
- 速率与成本：
sonar-deep-research等高级端点可能产生较高 Token 消耗与延迟 - 地理与内容限制：搜索结果受源平台地域政策与版权协议约束，部分学术全文需额外权限
- 单点密钥风险：所有服务共用
AISA_API_KEY，密钥泄露将导致全部搜索能力被滥用
适合人群
- 构建研究型 Agent 的开发者（需学术引用）
- 金融、咨询行业分析师（需 Deep Research 报告）
- 需实时信息增强的客服/销售自动化系统
- 多跳推理问答（RAG）系统的检索层
常规风险
| 风险类型 | 说明 |
|---------|------|
| API 密钥泄露 | 泄露后可被用于消耗配额或爬取敏感数据 |
| 信息幻觉 | 即使带引用，源内容本身的错误会传导至下游 |
| 合规风险 | Tavily 爬取可能触碰目标网站的 robots.txt 或 ToS |
| 供应商锁定 | 深度绑定 AIsa 生态，迁移需重写端点调用逻辑 |