Hybrid Deep Search 综合评估
核心用法
Hybrid Deep Search 是一款三层级智能搜索系统，通过内置的查询分析器（router.py）自动路由用户请求至不同搜索后端：简单事实查询调用 Brave API（免费、<2秒响应），复杂分析需求则路由至 OpenAI Codex（gpt-5-codex）进行深度推理。支持三种运行模式：Auto（自动）、Quick（强制 Brave）、Codex（强制 OpenAI），并提供学术、新闻、视频等聚焦选项。
显著优点
成本智能优化：自动规避不必要的付费调用，Brave API 完全免费，Codex 按需计费且提供新用户免费额度。响应速度分层：简单查询秒级返回，复杂任务启动深度分析。零配置开箱：Brave 集成于 OpenClaw 环境无需额外密钥，Codex 仅需标准 OpenAI API Key。灵活的输出格式：支持 JSON、Markdown、纯文本三种格式，便于流水线集成。复杂度评分系统（0-10分）基于关键词匹配、查询长度、技术术语等维度，决策阈值透明可配置。
潜在局限
模型依赖性：深度分析质量绑定 OpenAI Codex（gpt-5-codex）的可用性与定价策略，存在供应商锁定风险。路由误判可能：复杂度评分基于规则而非语义理解，边缘案例（如短句复杂问法）可能路由错误。网络工具链依赖：Brave 搜索依赖 OpenClaw 内置的 web_search 工具，若宿主环境变更需重新适配。长查询成本不可控：Codex 模式按 token 计费，未设置硬性上限，批量学术搜索可能产生意外费用。
适合人群
- 高频信息检索的研究人员与分析师，需平衡查询成本与深度
- 自动化报告生成的开发者，需结构化搜索输出
- 学术写作场景，需聚焦学术文献的定向搜索
- 对 API 成本敏感但偶尔需要深度推理的中小团队
常规风险
API 密钥泄露风险：Codex 模式需配置 OPENAI_API_KEY，建议通过环境变量或配置文件管理，避免硬编码。成本失控：自动模式虽优化但仍可能触发 Codex 调用，建议设置预算警报或使用 --mode quick 强制免费层。数据隐私：查询内容发送至 Brave 与 OpenAI 服务器，敏感信息需脱敏处理。环境依赖：Python 依赖（openai、requests、python-dotenv）版本冲突可能导致运行失败，建议虚拟环境隔离。