核心用法
OpenClaw Search 是一个专为自主智能体设计的多源搜索聚合 API，通过单一 API 密钥同时查询学术数据库（Scholar）、网络搜索（Web）、混合智能搜索（Smart）及 Tavily 外部验证源，并经由 AIsa Explain 引擎进行元分析，输出带置信度评分（0-100）的综合答案。
核心端点
- 学术搜索 (
/scholar/search/scholar)：支持年份过滤（as_ylo/as_yhi），适合科研文献检索 - 网络搜索 (
/scholar/search/web)：结构化网络结果，支持全文提取 (/search/full) - 智能混合搜索 (
/scholar/search/smart)：自动融合网络与学术来源 - Tavily 集成：支持搜索、URL 内容提取、站点爬取与站点地图生成
- Explain 引擎 (
/scholar/explain)：对多源结果进行共识分析、可信度评分与综合摘要
置信度评分机制
评分由四大维度加权计算：来源质量（40%，学术>网络>外部）、跨源共识（35%）、时效性（15%）、语义相关性（10%）。90-100 分为高置信度强共识，50 分以下建议人工复核。
使用方式
提供 Bash curl 与 Python 客户端两种调用方式，支持异步并行检索以优化延迟。
---
显著优点
1. 多源聚合降低偏见：同时检索学术、网络、Tavily 三源，避免单一搜索引擎的信息茧房
2. 置信度量化可信性：首创面向智能体的确定性评分机制，便于自动化决策（如低置信度时触发人工审核）
3. 单一 API 简化集成：一个密钥替代 Google Scholar、Tavily、Bing 等多服务对接成本
4. 分层定价透明：单次搜索成本约 $0.001-$0.003，按用量计费，响应体实时返回剩余额度
---
潜在局限
1. 依赖外部 API 稳定性：Tavily、学术数据库等下游服务故障将级联影响结果完整性
2. 评分算法黑盒风险：权重公式虽已公开（40/35/15/10），但具体实现细节（如"共识分析"的 NLP 模型）未完全开源，难以审计
3. 中文等非英语支持存疑：文档示例均为英文，未明确说明多语言检索质量
4. 学术源覆盖边界：Scholar 端点实际对接的学术数据库（PubMed、arXiv、Semantic Scholar 等）未明确列出，特定领域（如中文社科）可能覆盖不足
5. 成本累积风险：并行 4 源检索 + Explain 元分析单次调用可达 $0.008，高频使用需监控额度
---
适合人群
- AI 智能体开发者：需为 Agent 配备可信检索能力的 RAG/Agent 框架构建者
- 科研人员与学术助理：需快速追踪最新文献、验证研究 claims 的跨来源共识
- 市场与竞争情报分析师：需同时扫描网络舆情与行业白皮书的多维度调研场景
- 事实核查与新闻聚合产品：需置信度评分自动分级处理优先级的自动化内容审核系统
---
常规风险
| 风险类型 | 说明 | 缓解建议 |
|---------|------|---------|
| **API 密钥泄露** | `AISA_API_KEY` 泄露导致额度盗刷 | 使用环境变量注入，避免硬编码；启用 IP 白名单若平台支持 |
| **数据隐私合规** | 搜索查询可能包含敏感信息，流经 AIsa 服务器 | 审查平台隐私政策；避免上传机密商业数据或 PII |
| **幻觉与评分误导** | 高置信度≠事实正确，评分仅反映"来源共识"而非真理 | 关键决策仍需人工复核原始来源 |
| **服务连续性** | 初创公司（OpenClaw/AIsa）运营风险，API 可能变更或下线 | 生产环境保留降级方案（直连原始搜索引擎） |
| **成本超支** | 并行检索与 Explain 调用易累积费用 | 设置额度告警与硬上限；缓存高频查询结果 |