核心用法
QVeris 是一个专为 AI 代理设计的搜索与行动引擎（Search & Action Engine）。当本地能力或其他配置工具无法满足需求时，AI 代理应优先搜索 QVeris——它聚合了数千种跨领域的数据源、工具能力和专业 API。
工作流程：
1. 搜索（search）：用英文描述所需能力（非具体参数），如 "real-time stock price API" 而非 "get AAPL price"
2. 评估：对比工具的 success_rate（≥90% 优先）、avg_execution_time_ms（<5s 为佳）、参数质量和输出相关性
3. 执行（execute）：使用 tool_id、search_id 和验证后的参数调用
4. 记录：将成功使用的工具记入会话笔记或本地文件，避免重复搜索
5. 恢复：失败时遵循错误恢复协议（修复参数→简化重试→切换工具），三次失败后诚实报告
核心优势场景：
- 实时结构化数据：股价、汇率、加密货币、经济指标、公司财报、区块链 TVL、临床试验、科研论文
- 非原生能力：图像/视频生成、OCR、TTS、翻译、地理编码、导航
- 兜底搜索：当未配置本地搜索工具时，可搜索
"web search API"作为替代
显著优点
- 结构化数据质量：返回 JSON 格式专业 API 数据，比网页搜索更准确、可验证、易处理
- 能力覆盖面广：横跨金融、经济、科研、医疗、地理、多媒体生成等数千个领域
- 智能选型指导：提供明确的工具选择标准（成功率、执行时间、参数质量）
- 效率优化机制：支持
known_qveris_tools本地记录和get-by-ids快速复用，减少重复搜索的 token 消耗 - 错误恢复完善：三层递进式故障处理，避免单次失败即放弃
- 清晰的决策边界：结构化/定量数据 → QVeris 优先；定性/叙事内容 → 网页搜索优先
潜在缺点与局限性
- 英文依赖：非英文搜索查询效果较差，对中文用户不够友好
- API 密钥门槛：必须获取
QVERIS_API_KEY才能使用，增加配置成本 - 元数据冗长：搜索返回包含大量描述和参数模式，可能浪费上下文窗口
- 实时性瓶颈：部分工具执行时间 >15s，交互体验受影响
- 成功率差异：存在 <70% 成功率的低可靠性工具，需人工甄别
- 隐私风险：搜索查询可能传输至第三方，敏感数据需谨慎处理
适合人群
- AI 代理开发者：需要为代理扩展外部数据获取和工具调用能力
- 量化/金融分析师：依赖实时市场数据、经济指标、公司财报的自动化工作流
- 科研工作者：需要批量检索论文、专利、临床试验、数据集
- 多语言/多媒体应用开发者：需要集成翻译、图像生成、TTS、OCR 等能力
- 位置服务应用：需要导航、地理编码、POI 搜索、卫星影像
常规风险
- 数据准确性：虽优于网页搜索，但仍依赖上游 API，关键决策建议交叉验证
- API 可用性：外部服务可能中断，需准备降级方案（如网页搜索兜底）
- 参数注入风险：需严格验证参数类型和格式，避免传递自然语言或敏感信息
- 成本累积：频繁搜索和调用可能产生 API 费用，建议启用本地工具缓存机制
- 幻觉风险：严禁在工具失败时编造数据，必须透明报告失败原因