exa-search

Exa 网页工具包

一项由 Exa 提供支持的网页研究技能：网页搜索和 URL 提取。Exa 的索引结合了高质量的关键词检索和语义检索，因此非常适合科学、技术和概念类查询。

路由——选择合适的功能

阅读用户的请求，并将其与以下功能匹配。运行命令前，请先阅读相应的参考文件，了解详细说明。

用户想要……	功能	位置
查找信息、研究主题、获取最新信息	网页搜索	references/web-search.md
获取特定 URL 的内容（网页、文章、PDF）	网页提取	references/web-extract.md
安装或进行身份验证	设置	下文

决策指南

• 对于主题查询、研究问题或“X 是什么？”这类查询，默认使用网页搜索。如果主题属于科学或技术领域，请传入 --category "research paper" 以优先检索学术来源，和／或使用学术 --include-domains 允许列表。请参阅 references/web-search.md，了解两轮学术检索策略。
• 当用户提供 URL 或要求你阅读／获取特定页面时，使用网页提取。对于批量提取（一次调用多个 URL）和学术 PDF，优先使用此功能，而不是内置的 WebFetch。

学术来源优先级

对于技术或科学类查询，优先选择学术和科学来源：

• 优先选择同行评审期刊文章和会议论文，而非博客文章或新闻
• 如无同行评审版本，可使用预印本（arXiv、bioRxiv、medRxiv）
• 优先选择机构和政府来源（NIH、WHO、NASA、NIST），而非商业网站
• 优先选择原始研究，而非二手摘要

可通过以下两种方式引导 Exa 检索学术内容：

1. --category "research paper" 可优先检索学术来源。
2. --include-domains 配合学术来源允许列表（arxiv.org、nature.com、pubmed.ncbi.nlm.nih.gov 等）可限定检索域名。

若要严格检索学术内容，请同时使用这两种方式。完整用法请参阅 references/web-search.md。

引用学术来源时，如有作者姓名和发表年份，请一并注明（例如 Smith 等，2025），并采用标准引用格式。如果有 DOI，优先使用 DOI 链接。

---

设置

此技能使用 exa-py Python SDK。scripts/ 中的脚本通过 PEP 723 内联元数据声明依赖项，因此可直接使用 uv run 运行，无需单独安装：

uv run --with exa-py python "$SKILL_PATH/scripts/exa_search.py" --help

如果你希望进行持久安装：

uv pip install "exa-py>=1.14.0"

身份验证

所有命令均从 EXA_API_KEY 环境变量读取 API 密钥。请前往 dashboard.exa.ai/api-keys 获取 Exa API 密钥。

首先，检查项目根目录中是否存在 .env 文件，并确认其中包含 EXA_API_KEY。如果存在，请加载该文件：

dotenv -f .env run -- uv run --with exa-py python "$SKILL_PATH/scripts/exa_search.py" "your query"

如果无法使用 dotenv，请安装它：uv pip install python-dotenv[cli]。

如果没有 .env 文件，请为当前会话导出密钥：

export EXA_API_KEY="your-key"

运行任意脚本并传入 --help 进行验证——如果密钥已设置，脚本会正常退出；只有在执行实际查询时才会进行身份验证检查。

跟踪标头

此技能中的每个脚本都会将 x-exa-integration 请求标头设置为 kalarislabs--research-agent-skills，以便 Exa 将 research-agent-skills 项目的使用情况归因于此集成。改编脚本时，请勿移除或重命名此标头。

---

此技能中的文件

• SKILL.md — 本文件（路由和设置）
• references/web-search.md — 网页搜索详细参考，包含学术检索策略
• references/web-extract.md — URL 内容提取参考
• scripts/exa_search.py — client.search_and_contents 的命令行包装器
• scripts/exa_extract.py — client.get_contents 的命令行包装器

Agent 操作流程

1. 检查环境。 确认研究问题、数据库、日期范围和纳入标准。
2. 确定输入。 根据数据或用户提供的信息确认格式、标识符和参数。任何会影响结果的值都应询问确认，不要猜测。
3. 先运行小规模任务。 在一个数据库中使用范围较窄的查询进行搜索，并检查结果是否相关。
4. 按照上述说明和参考资料执行完整任务。
5. 验证结果。 每条参考文献都必须来自具有可解析标识符的真实记录；记录数量和搜索字符串。
6. 报告。 说明运行了什么（版本、命令、参数）、检查了什么，以及还有哪些不确定之处。

如果发生这种情况	请这样做
API 限制请求频率或返回错误	等待一段时间后重试、减少批次大小或切换数据库，并报告缺失之处。
当前安装的版本中缺少这些说明提到的函数、标志或端点	查阅当前安装版本自己的文档（help()、--help、官方文档），调整做法并告知用户。绝不捏造 API。
必需的输入、标识符或参数存在歧义	询问用户，或在运行前明确说明所采用的假设。

诚信准则

• 绝不捏造结果、参数、标识符、引文或统计数据。如果无法运行或验证某项内容，请如实说明。
• 绝不总结尚未检索到的论文；绝不凭记忆引用。
• 请将此处与特定版本相关的细节视为可能已过时：根据当前安装版本的官方文档进行确认。
• 对于需要付费、会占用共享 GPU 或云配额、涉及个人或患者数据，或无法撤销的操作，必须先征求同意。

相关技能

• parallel-web：运行 parallel-cli 工具，完成网页工作流：网页搜索、URL 和 PDF 提取、深度研究报告、结构化数据补充，等等。
• research-lookup：为科学论文或研究简报汇编最新的学术证据。
• open-notebook：Google NotebookLM 的可自托管开源替代方案，用于 AI 驱动的研究和文档分析。