Tavily web research

何时使用

适用：

• 需要检索实时/最新的公网信息（新闻、文档、价格、近期事件），而非依赖模型内置知识。
• 已知一批 URL，想批量提取正文（extract），省去逐页手写解析。
• 想从一个入口页爬取整站/子目录（crawl），收集多页内容。
• 做带来源引用的网页调研，结果直接带回摘要与链接。

不该用（负边界）：

• 站内全文检索、精确关键词/布尔匹配 —— 用站点自带搜索或传统关键词引擎。
• 纯本地、私有数据库或内网内容查询 —— Tavily 只检索公网。
• 把检索结果当权威事实直接采纳 —— 仍需回到原始来源做环境相关核验与人工审阅。
• 缺少 API Key、检索范围或成功标准不明确时，先停下来澄清，不要盲跑。

步骤

1. 安装技能（全局）：

   npx skills add -g BenedictKing/tavily-web
   

2. 配置 Tavily API Key（务必通过环境变量，不要硬编码或提交进仓库）：

   export TAVILY_API_KEY="tvly-your-api-key"
   

3. 在 Claude Code 对话中用自然语言发起请求；按需选能力：search（搜索）、extract（按 URL 取正文）、crawl（按入口爬整站）。
4. 拿到结果后，对关键结论回到原始来源做二次核验，注意 API 配额与调用频率。

指令

按任务选择 Tavily 的能力（无封装时可直接打 REST 兜底）：

• 搜索（search）：描述问题意图，按需限定时间/域名，结果可带正文摘要。

  curl -s https://api.tavily.com/search \
    -H "Authorization: Bearer $TAVILY_API_KEY" \
    -H "Content-Type: application/json" \
    -d '{"query":"latest on X","max_results":5,"search_depth":"advanced","include_answer":true}'
  

• 提取（extract）：给定 URL 列表，取干净正文。

  curl -s https://api.tavily.com/extract \
    -H "Authorization: Bearer $TAVILY_API_KEY" \
    -H "Content-Type: application/json" \
    -d '{"urls":["https://example.com/article"]}'
  

• 爬取（crawl）：给入口 URL，按深度收集多页。

  curl -s https://api.tavily.com/crawl \
    -H "Authorization: Bearer $TAVILY_API_KEY" \
    -H "Content-Type: application/json" \
    -d '{"url":"https://example.com/docs","max_depth":2}'
  

选择口诀：要「找信息」用 search；已知页面要「取正文」用 extract；要「扫一片站点」用 crawl。

示例

• 实时搜索：「查一下 X 项目最近一周的进展和发布说明，给我带链接的要点。」
• 内容提取：「把这 3 个 URL 的正文抓下来，去掉导航和广告，整理成对比表。」
• 整站爬取：「从这个文档站入口爬两层，汇总所有页面的核心命令。」
• 带引用调研：「关于 Y 主题，搜几篇权威来源并给出带出处的综述。」

更多用法与排障见上游仓库：https://github.com/BenedictKing/tavily-web

注意事项

• API Key 一律走环境变量（TAVILY_API_KEY），不写入代码、日志或提交记录。
• 检索/爬取结果具有时效与概率性，重要结论需回到原始来源核验，不能替代环境相关验证、测试或专家评审。
• crawl 可能产生大量请求与 token 消耗，先用小 max_depth/限定子目录，注意目标站点的 robots 与速率限制，避免滥爬。
• 仅在任务确实落在实时搜索/正文提取/整站爬取范围内时使用；否则改用站内搜索或对应专用工具。

互见

• requires：无
• related：exa-semantic-search（语义/相似检索）、firecrawl-web-scraper（抓取与结构化提取）、defuddle-web-extract（单页正文清洗提取）、youtube-transcript-ingest（视频转录摄取）
• combines_with：rag-implementation-workflow（把检索到的网页喂入 RAG）、hybrid-search-retrieval（与向量检索做混合召回）

---

采编自 sickn33/antigravity-awesome-skills（MIT）。