核心用法
LangSearch 提供两个核心 API 端点：Web 搜索与语义重排序。Web 搜索端点支持关键词+向量混合检索，可配置结果数量（默认10，最大100）、摘要生成及时间过滤（日/周/月/年）。语义重排序端点允许对已有文档列表按查询语义相关性重新排序，优化检索质量。
典型集成流程为：1）调用 /v1/web-search 获取候选结果；2）提取标题与摘要构建文档列表；3）调用 /v1/rerank 精排后取 Top-N；4）将优质结果注入 LLM 上下文构建 RAG 管道。
显著优点
零成本准入：免费 API Key 即可使用，无 tiered pricing 门槛，适合原型验证与小规模生产。混合搜索架构（关键词+语义）兼顾精确匹配与概念泛化，解决纯向量搜索的术语漂移问题。内置摘要生成减少 LLM 上下文消耗。支持 freshness 过滤，确保时敏查询（如新闻、技术发布）获取近期内容。
潜在局限
作为免费服务，存在隐性限制：速率限制（429 状态码暗示存在配额）、无 SLA 承诺、服务连续性风险。依赖外部搜索索引，对极小众或实时性极强的内容（秒级更新）覆盖可能滞后。重排序模型为黑盒（langsearch-rerank-1），无透明度报告，难以评估偏见或领域适配性。无本地部署选项，数据需发送至第三方服务器。
适合人群
- RAG/LLM 应用开发者需快速集成实时搜索能力
- 独立开发者与初创团队控制 API 成本
- 原型验证阶段替代 Bing/Google 付费搜索 API
- 需语义精排但无力自建向量重排序系统的团队
常规风险
隐私合规：搜索查询与待重排序文档内容传输至 LangSearch 服务器，敏感数据需脱敏或评估 DPA 条款。供应商锁定：免费服务可能变更定价或终止，需设计可切换至其他搜索/重排序方案的抽象层。质量波动：网络内容权威性参差不齐，RAG 场景建议叠加来源可信度评分或人工校验机制。速率限制：生产部署需实现指数退避重试与降级策略（如缓存、静态知识库 fallback）。