核心用法
QVeris 是面向 AI Agent 的能力发现与工具调用引擎，采用「发现-执行」两段式架构：
1. `discover` 阶段：用英文描述所需能力（如 "stock price API"、"text to image API"），返回候选工具列表、元数据及参数提示，不返回最终数据
2. `invoke` 阶段：根据成功率（优先≥90%）、执行时间、参数清晰度选择最佳工具，通过脚本调用，所有请求路由至 https://qveris.ai/api/v1
适用场景优先级
| 场景 | 推荐方式 | 原因 |
|------|---------|------|
| 实时/结构化数据（股价、指标、财报） | **QVeris 优先** | 返回专业 API 的 JSON 数据，比网页搜索更精准 |
| 非原生能力（文生图、OCR、TTS、地理编码） | **QVeris 优先** | 需外部 API，网页搜索无法执行 |
| 定性信息（观点、文档、教程） | 网页搜索优先 | 更适合阅读完整文本 |
显著优点
- 工具聚合广度：覆盖金融、区块链、经济、科学、生成式 AI、位置服务等数千种专业 API，填补本地工具缺口
- 数据结构化：返回标准化 JSON，避免网页解析的不稳定性
- 安全隔离：仅访问
QVERIS_API_KEY，不读取其他环境变量；所有流量经 HTTPS 单一端点 - 智能选型：提供成功率、平均执行时间等量化指标辅助决策
- 缓存优化：支持
inspect复用已验证工具，减少重复发现开销
潜在局限
- 依赖外部认证：必须持有
QVERIS_API_KEY，无密钥时完全不可用 - 仅支持英文发现：
discover查询需用英文，增加非英语用户摩擦 - 非即时数据层：本身不存储数据，工具失效或 API 变更时同步受影响
- 定性内容弱势：新闻分析、观点挖掘等场景不如传统搜索
- 参数门槛：需严格遵循工具参数格式（ISO 日期、股票代码等），常见错误包括字符串/数字混淆、自然语言误作参数
适合人群
- 需要实时金融数据（股价、加密行情、财报）的交易分析场景
- 需调用图像/视频生成、语音合成、OCR 等 AI 服务的应用开发者
- 科研、医疗、气象等专业数据检索需求
- 多 Agent 系统需动态扩展工具能力的架构设计
常规风险
- 认证泄露风险：
QVERIS_API_KEY为唯一凭证，需避免硬编码或日志泄露 - 参数注入风险：虽经脚本路由，但用户输入若直接拼接至参数仍需校验格式
- 数据时效风险：工具返回数据的实时性取决于底层 API，需关注
success_rate低于 70% 的工具 - 隐私合规：避免在发现查询或工具参数中嵌入敏感个人信息（PII）
- 服务依赖：平台可用性影响全部工具链，建议保留网页搜索作为三级 fallback