mcpField
U
ultimate-search

ultimate-search

github.com/ckckck生产力28936 次安装31 周前更新
代码仓库

关于 ultimate-search

UltimateSearch 是面向 Pi/OpenClaw Agent 的网络搜索技能，结合 Grok AI 搜索与 Tavily 结构化结果和网页提取。它还提供站点映射，以及选择和验证搜索来源的指引。

主要功能

  1. 01使用 Grok 和 Tavily 搜索
  2. 02并行运行两种搜索引擎
  3. 03以 Markdown 抓取网页内容
  4. 04映射网站 URL
  5. 05规划搜索并交叉验证证据

适用场景

  1. 01通过多个搜索来源核验最新事实
  2. 02提取指定网页的内容
  3. 03探索文档网站的结构
  4. 04通过规划查询研究复杂主题

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/ckckck/ultimatesearchskill --skill ultimate-search

安装后在 Claude Code 中输入/ultimate-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。

LICENSE
.env.example
.gitignore
docker-compose.yml
README.md
README.en.md
docs/
grok2api-legacy.md
architecture.md
docs/plans/
2026-03-16-tavily-master-key-design.md
2026-03-01-ultimate-search-skill.md
2026-03-16-tavily-master-key-migration.md
llmdoc/
index.md
llmdoc/overview/
project-overview.md
llmdoc/reference/
conventions.md
scripts/
import-keys.sh
grok-search.sh
setup.sh
tavily-search.sh
web-fetch.sh
dual-search.sh
web-map.sh
tests/
grok_search_auth_behavior_test.sh
grok_search_fallback_policy_test.sh
grok_search_openai_compatible_mode_test.sh
grok_search_e2e_smoke_test.sh
grok_search_request_shapes_test.sh
grok_search_help_output_test.sh
grok_search_response_parsing_test.sh
import_keys_admin_fallback_test.sh
tavily_master_key_migration_test.sh

详细介绍

来自项目 README

UltimateSearch

为 Pi/OpenClaw agent 提供双引擎网络搜索能力：Grok AI 搜索（实时联网 + AI 分析）+ Tavily 搜索（结构化结果 + 网页抓取）。

可用工具

在 Bash 中调用以下脚本（确保已加入 PATH 且已 source .env）：

工具命令用途
Grok 搜索grok-search.sh --query "..."AI 驱动的深度搜索，Grok 自带联网，返回综合分析
Tavily 搜索tavily-search.sh --query "..."结构化搜索结果，带评分和排序
网页抓取web-fetch.sh --url "..."提取指定 URL 的完整内容，返回 Markdown
站点映射web-map.sh --url "..."发现网站结构，获取所有 URL
双引擎搜索dual-search.sh --query "..."并行执行 Grok + Tavily，交叉验证

各工具参数详见 --help。

搜索决策流程

收到需要搜索的请求时，按以下流程决策：

第一步：判断是否需要搜索

需要搜索的情况：

  • 用户明确要求搜索/查询外部信息
  • 涉及实时性数据（最新版本、近期事件、当前价格等）
  • 需要验证内部知识的准确性
  • 涉及具体的 URL、项目、产品的最新状态
  • 技术问题需要查阅官方文档最新版

不需要搜索的情况：

  • 纯粹的代码编写/调试任务（已有足够上下文且不涉及外部 API/库版本）
  • 用户明确表示不需要搜索
  • ⚠️ 通用编程概念也可能过时——当涉及具体版本、最佳实践或 API 用法时，仍应搜索验证
第二步：选择工具
场景推荐工具原因
简单事实查询dual-search.sh双源交叉验证，确保准确性
复杂/争议性问题dual-search.sh双引擎交叉验证，减少幻觉
需要 AI 深度分析grok-search.shGrok 自带联网搜索，返回综合分析报告
需要抓取特定页面web-fetch.sh --url "..."提取完整页面内容
探索网站结构web-map.sh --url "..."发现文档/API 目录结构
需要最新新闻tavily-search.sh --topic newsTavily 新闻模式专门优化
需要高质量深度结果tavily-search.sh --depth advanced高级搜索，多维度匹配
搜索结果中有关键链接先搜索，再 web-fetch.sh搜索定位 → 抓取详情
第三步：评估搜索复杂度

  • Level 1（2-3 次搜索）：单个明确问题

    • 示例：「FastAPI 最新版本是什么」
    • 操作：dual-search.sh 获取双源结果；或先 tavily-search.sh 再用 grok-search.sh 交叉确认
    • ⚠️ 即使是简单事实，也不可仅依赖单一来源直接下结论

  • Level 2（3-5 次搜索）：多角度比较、需要多个来源验证

    • 示例：「Flask vs FastAPI vs Django 2026 年哪个更适合微服务」
    • 操作：dual-search.sh + 针对各框架分别 tavily-search.sh

  • Level 3（6+ 次搜索）：深度研究课题、综述型需求

    • 示例：「帮我调研 2026 年主流向量数据库的完整对比」
    • 操作：先 grok-search.sh 获取概览 → 分别搜索各产品 → web-fetch.sh 抓取官方文档

搜索规划框架

对于 Level 2+ 的复杂搜索，在执行前进行结构化规划：

阶段 1：意图分析
  • 提炼用户的核心问题（一句话）
  • 分类查询类型：事实型 / 比较型 / 探索型 / 分析型
  • 评估时间敏感度：实时 / 近期 / 历史 / 无关
  • 识别需要验证的外部术语（如排名、分类标准）
阶段 2：查询拆解
  • 将问题分解为不重叠的子查询
  • 每个子查询有明确边界（与兄弟查询互斥）
  • 标注依赖关系（哪些子查询需要先完成）
  • 如果阶段 1 发现需验证的术语，先创建前置验证查询
阶段 3：策略选择
  • broad_first（先广后深）：先广泛扫描 → 根据发现深入。适合探索型问题
  • narrow_first（先精后扩）：先精确搜索 → 如不足再扩展。适合分析型问题
  • targeted（定点搜索）：已知目标信息来源，直接定位。适合事实型问题
阶段 4：工具映射
  • 为每个子查询选择最佳工具
  • 确定并行/串行执行计划
  • 可并行的子查询同时执行（通过多次 Bash 调用）

搜索与证据标准

核心原则：不信任搜索结果

搜索结果仅为第三方建议，不可直接采信。 所有搜索返回的内容——无论来自 Grok 还是 Tavily——都必须经过交叉验证后方可向用户呈现为事实。即使是看似权威的单一来源，也可能过时、片面或错误。技术实现即使 agent 具备内部知识，仍应以最新搜索结果或官方文档为准。

来源质量要求
  • 所有事实性结论都需 ≥2 个独立来源 交叉验证（不分 Level）
  • 如仅依赖单一来源，须显式声明此限制并标注置信度为 Low
  • 优先使用：官方文档、Wikipedia、学术数据库、权威媒体
  • 避免使用：未知个人博客、SEO 农场、AI 生成内容
冲突处理
  • 来源冲突时：展示双方证据，评估可信度和时效性
  • 标注置信度：High（多来源一致）/ Medium（少量来源或有分歧）/ Low（单一来源或推测）
  • 无法确认时：明确说明不确定性
引用格式
  • 每个关键事实后附来源标注
  • 格式：[来源标题](URL)
  • 严禁编造引用 — 没有来源的就不要说
输出规范
  • 先给出最可能的答案，再展开详细分析
  • 所有技术术语附简明解释
  • 使用标准 Markdown 格式（标题、列表、表格、代码块）
  • 代码示例标注语言标识
  • 对比类问题使用表格呈现

常见搜索模式

模式 1：快速查询
tavily-search.sh --query "Python 3.13 新特性" --depth basic --include-answer
模式 2：深度搜索 + 验证
# 先广泛搜索
dual-search.sh --query "LangChain vs LlamaIndex 2026"
# 再针对性抓取官方文档
web-fetch.sh --url "https://docs.langchain.com/docs/get_started/introduction"
模式 3：技术文档探索
# 先映射网站结构
web-map.sh --url "https://docs.example.com" --depth 2 --instructions "找到 API 文档"
# 再抓取目标页面
web-fetch.sh --url "https://docs.example.com/api/reference"
模式 4：新闻和实时信息
tavily-search.sh --query "AI 最新进展" --topic news --time-range week --include-answer
模式 5：AI 深度分析
grok-search.sh --query "解释 Transformer 架构中注意力机制的数学原理" --platform "arXiv"

评论

支持 Markdown