核心用法
OpenClaw Search 通过单一 API 密钥提供多源检索服务，支持 Web 搜索、学术文献检索、智能混合搜索以及 Tavily 集成。用户可通过 REST API 或 Python 客户端调用，典型场景包括研究助理、市场调研、竞品分析和新闻聚合。
主要功能模块
- Web Search: 结构化网络搜索，支持完整文本提取
- Scholar Search: 学术论文检索，支持年份过滤（as_ylo/as_yhi）
- Smart Search: 智能混合模式，同时检索 Web 与学术源
- Tavily 集成: 高级搜索、URL 内容提取、网页爬取和站点地图生成
- Explain 引擎: 对检索结果进行元分析，生成置信度评分（0-100）与综合回答
两阶段检索架构
1. 发现阶段（Phase 1）: 并行查询 Scholar、Web、Smart、Tavily 四个流
2. 推理阶段（Phase 2）: 使用 AIsa Explain 执行元分析，计算置信度评分
置信度评分基于来源质量（40%）、一致性分析（35%）、时效性（15%）和相关性（10%）四个维度。
显著优点
- 多源整合: 单一 API 统一访问学术、网络及专业搜索服务
- 置信度量化: 提供 0-100 分的确定性评估，降低幻觉风险
- 代理原生设计: 专为自主智能体优化，支持异步并行检索
- 成本透明: 每次调用返回 usage.cost 和剩余额度
- Tavily 生态兼容: 深度集成 Tavily API，支持爬取和内容提取
潜在局限
- 依赖外部服务: Tavily 等第三方服务存在可用性依赖
- 学术源覆盖: 学术检索质量取决于后端数据库（疑似 Google Scholar 类）
- 评分黑箱: 置信度算法虽公开权重，但具体实现细节未完全透明
- 定价波动: "~$0.002" 式估价为动态计费，缺乏固定价格承诺
- 地域限制: 官网未明确说明中国大陆等区域访问策略
适合人群
- 构建 RAG/Agent 系统的 AI 开发者
- 需要学术+网络双源验证的研究人员
- 开发可信信息检索工作流的自动化团队
- 对搜索结果的置信度有量化需求的场景
常规风险
- API 密钥泄露: AISA_API_KEY 需妥善保管，建议通过环境变量注入
- 成本失控: 并行四源检索单次调用成本叠加，高频使用需注意预算
- 评分误信: 高置信度不等于事实正确，仍需人工核验关键决策
- 服务依赖: 后端依赖 AIsa 平台稳定性，单点故障风险存在
- 数据隐私: 搜索查询可能包含敏感信息，需确认平台数据处理政策