mcpField
E
exa-search

exa-search

github.com/ejirocodes开发6235 次安装18 周前更新
代码仓库

关于 exa-search

exa-search 是面向开发者的 Exa 搜索集成技能参考,涵盖 Python 和 TypeScript。它介绍搜索模式、筛选条件、内容提取及 SDK 用法,帮助查找和提取网络信息。

主要功能

  1. 01介绍 auto、neural 和 keyword 搜索
  2. 02按域名和日期筛选
  3. 03获取网页文本、高亮和摘要
  4. 04提供 Python 与 TypeScript SDK 用法

适用场景

  1. 01为查询选择合适的搜索模式
  2. 02按域名或发布日期缩小结果范围
  3. 03获取网页文本或相关片段
  4. 04在 Python 或 TypeScript 项目中使用 Exa 搜索

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/ejirocodes/agent-skills --skill exa-search

安装后在 Claude Code 中输入/exa-search确认已加载。

包含的文件

除 SKILL.md 外,安装时一起下载的参考资料和脚本。

references/
contents.md
filters.md
sdk-patterns.md
search-modes.md

详细介绍

Exa 搜索集成

快速参考

主题使用场景参考
搜索模式在自动、神经和关键词搜索之间进行选择search-modes.md
筛选条件按域名、日期、文本和类别筛选filters.md
内容文本提取、重点片段、摘要、实时抓取contents.md
SDK 模式Python(exa_py)和 TypeScript(exa-js)的用法sdk-patterns.md

基本模式

基本搜索(Python)
from exa_py import Exa

exa = Exa(api_key="your-api-key")  # or set EXA_API_KEY env var

results = exa.search_and_contents(
    "latest developments in quantum computing",
    type="auto",
    num_results=10,
    text=True,
    highlights=True
)

for result in results.results:
    print(f"{result.title}: {result.url}")
    print(result.text[:500])
基本搜索(TypeScript)
import Exa from "exa-js";

const exa = new Exa(process.env.EXA_API_KEY);

const results = await exa.searchAndContents(
  "latest developments in quantum computing",
  {
    type: "auto",
    numResults: 10,
    text: true,
    highlights: true,
  }
);

results.results.forEach((result) => {
  console.log(`${result.title}: ${result.url}`);
});
使用筛选条件搜索
results = exa.search_and_contents(
    "AI startup funding rounds",
    type="neural",
    num_results=10,
    include_domains=["techcrunch.com", "venturebeat.com"],
    start_published_date="2024-01-01",
    text={"max_characters": 2000},
    summary=True
)
查找相似链接
similar = exa.find_similar_and_contents(
    "https://example.com/interesting-article",
    num_results=10,
    exclude_source_domain=True,
    text=True
)

选择搜索模式

模式使用场景备注
auto大多数查询的默认模式Exa 会自动在神经搜索和关键词搜索之间进行优化
neural自然语言、概念类查询最适合“什么是……”“如何……”,以及主题探索
keyword精确匹配、技术术语、名称最适合特定产品名称、错误代码和专有名词

常见错误

  1. 对概念类查询使用 keyword - 神经搜索更能理解意图;自然语言提问应使用 auto 或 neural
  2. 未设置 text=True - 搜索默认只返回 URL;使用 text=True 显式请求内容
  3. 忽略 highlights - 使用 highlights=True 获取相关摘要片段,无需下载完整页面文本
  4. 缺少 API 密钥 - 设置 EXA_API_KEY 环境变量,或在构造函数中显式传入
  5. 一开始就设置过多筛选条件 - 先进行宽泛搜索,再添加域名和日期筛选条件来细化结果
  6. 未使用 summary - 对于 RAG 应用,summary=True 可提供简洁的上下文,无需获取完整页面文本
  7. 期望自动模式返回评分 - 仅当 type="neural" 时才会返回相关性评分;自动模式不包含评分

评论

支持 Markdown