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
- 01介绍 auto、neural 和 keyword 搜索
- 02按域名和日期筛选
- 03获取网页文本、高亮和摘要
- 04提供 Python 与 TypeScript SDK 用法
适用场景
- 01为查询选择合适的搜索模式
- 02按域名或发布日期缩小结果范围
- 03获取网页文本或相关片段
- 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.mdfilters.mdsdk-patterns.mdsearch-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
- 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 - 未设置
text=True- 搜索默认只返回 URL;使用text=True显式请求内容 - 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 - 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 - 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
- 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 - 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