Omnipotent search

🔍 全能搜 (OmniSearch)

零依赖的全网搜索引擎聚合技能。完全基于 Claude Code 内置的 WebSearch 和 WebFetch 工具，通过智能查询构建和结果解析，一站式覆盖所有搜索场景。

核心原理

用户查询 → 智能路由 → 查询构建 → WebSearch/WebFetch → 结果解析 → 格式化输出

• WebSearch = 所有搜索类请求（Google/Bing/新闻/购物/职位/学术/图片/视频/地图）
• WebFetch = 所有内容提取类请求（页面提取/网站爬取/URL发现/深度研究）

---

一、功能矩阵（完整覆盖 SerpApi + Tavily）

🌐 网页搜索

引擎	实现方式	触发关键词
Google 网页搜索	WebSearch + 查询优化	"搜一下"、"Google搜索"
Bing 搜索	WebSearch + 查询优化	"Bing搜索"
DuckDuckGo	WebSearch	"隐私搜索"
百度搜索	WebSearch + 中文优化	"百度搜索"
Naver	WebSearch + 韩文优化	"Naver搜索"
Yandex	WebSearch + 俄文优化	"Yandex搜索"
Brave搜索	WebSearch	"Brave搜索"

🛒 购物搜索

引擎	实现方式	触发关键词
Amazon 搜索	WebSearch + site:amazon.com	"搜Amazon"、"亚马逊搜..."
eBay 搜索	WebSearch + site:ebay.com	"搜eBay"、"eBay找..."
Walmart	WebSearch + site:walmart.com	"搜Walmart"
Google Shopping	WebSearch + 购物关键词	"购物搜索"、"比价"
商品详情	WebFetch 单品页面	查看具体商品时自动触发

💼 职位搜索

引擎	实现方式	触发关键词
Google Jobs	WebSearch + 职位关键词	"找工作"、"职位搜索"
LinkedIn	WebSearch + site:linkedin.com	"LinkedIn搜职位"
Indeed	WebSearch + site:indeed.com	"Indeed搜职位"

🎓 学术与研究

引擎	实现方式	触发关键词
Google Scholar	WebSearch + 学术关键词	"学术搜索"、"论文搜索"
Google Patents	WebSearch + 专利关键词	"专利搜索"
Google Trends	WebSearch + 趋势关键词	"搜索趋势"

📰 新闻搜索

引擎	实现方式	触发关键词
Google News	WebSearch + 新闻关键词	"新闻搜索"、"最新消息"
Bing News	WebSearch + news	"Bing新闻"

🎬 媒体搜索

引擎	实现方式	触发关键词
YouTube	WebSearch + site:youtube.com	"搜YouTube"、"视频搜索"
Google Images	WebSearch + 图片关键词	"搜图片"、"找图"
Google Videos	WebSearch + 视频关键词	"搜视频"

📍 本地与地图

引擎	实现方式	触发关键词
Google Maps	WebSearch + 地图/位置关键词	"搜地图"、"附近的..."
Yelp	WebSearch + site:yelp.com	"搜餐厅"、"搜商家"
TripAdvisor	WebSearch + site:tripadvisor.com	"搜旅行"

✈️ 旅行

引擎	实现方式	触发关键词
Google Flights	WebSearch + 航班关键词	"搜航班"
Google Hotels	WebSearch + 酒店关键词	"搜酒店"

📱 应用搜索

引擎	实现方式	触发关键词
Google Play	WebSearch + site:play.google.com	"搜安卓应用"
Apple App Store	WebSearch + site:apps.apple.com	"搜iOS应用"

📄 内容提取（Tavily Extract 等效）

功能	实现方式	说明
单URL提取	WebFetch	提取页面内容为 Markdown/文本
多URL批量提取	多次 WebFetch 并行	同时提取多个页面
提取深度控制	通过 WebFetch prompt 参数	basic=仅标题摘要, advanced=全文

🕷️ 网站爬取（Tavily Crawl 等效）

功能	实现方式	说明
单站爬取	WebFetch 主页 + 导航解析	提取站点结构
深度爬取	多次 WebFetch 递进	跟随链接逐层抓取
语义筛选	通过 WebFetch prompt 过滤	只提取相关内容

🗺️ URL发现（Tavily Map 等效）

功能	实现方式	说明
站点URL枚举	WebSearch + site:domain	发现站点所有索引页面
按路径发现	WebSearch + site:domain/path	特定路径下的页面

🔬 深度研究（Tavily Research 等效）

功能	实现方式	说明
多源搜索	多个 WebSearch 并行	不同角度同时搜索
来源验证	WebFetch 交叉验证	抓取原始页面核实
综合报告	汇总多源信息	生成结构化研究报告

---

二、智能查询构建规则

2.1 通用搜索引擎查询

根据不同搜索引擎，在查询中追加对应域名限定：

目标	查询模板
Amazon 商品	{query} site:amazon.com
eBay 商品	{query} site:ebay.com
Walmart 商品	{query} site:walmart.com
YouTube 视频	{query} site:youtube.com
LinkedIn 职位	{query} job site:linkedin.com
Indeed 职位	{query} job site:indeed.com
学术论文	{query} site:scholar.google.com OR site:arxiv.org OR site:semanticscholar.org
专利	{query} site:patents.google.com
新闻	{query} site:reuters.com OR site:apnews.com OR site:bbc.com
地图/本地	{query} near me 或 {query} in {location}
图片	{query} images OR pictures OR photos
Reddit 讨论	{query} site:reddit.com
GitHub 代码	{query} site:github.com
中文内容	{query} (WebSearch 自动适配)

2.2 地域与语言适配

需求	查询调整
仅中文结果	使用中文关键词 + cn 限定
美国结果	使用英文关键词 + us
日本结果	使用日文关键词 + jp
特定国家	追加 country:{code} 或域名限定

2.3 时效性控制

需求	查询调整
最新（24h内）	追加 after:2026-06-16 或 last 24 hours
本周	追加 after:2026-06-10 或 this week
本月	追加 this month
今年	追加 2026

2.4 搜索深度控制

深度	实现
快速	1次 WebSearch，结果 ≤5条
基本（默认）	1次 WebSearch，结果 5-10条
深度	2-3次 WebSearch（不同角度），结果 10-20条
极深	多个 WebSearch + WebFetch 验证，结果20+条

---

三、内容提取规范（Tavily Extract 完整等效）

3.1 提取模式

WebFetch URL + prompt: "提取此页面的...
  - 标题和元信息
  - 正文内容（Markdown格式）
  - 关键数据点（价格/评分/日期/作者）
  - 结构化摘要"

3.2 批量提取

对多个 URL 同时发起 WebFetch（并行），汇总结果。

3.3 提取深度

深度	format
basic	仅标题 + 摘要（200字以内）
markdown	完整正文，Markdown格式
text	完整正文，纯文本

---

四、网站爬取规范（Tavily Crawl 完整等效）

4.1 爬取流程

1. WebFetch 目标URL → 提取页面内容和所有内部链接
2. 对筛选出的链接递归 WebFetch
3. 去重、聚合结果
4. 格式化为树状报告

4.2 爬取深度控制

max_depth	说明
1	仅抓取目标页面
2	目标页面 + 所有一级链接
3	目标页面 + 一级 + 二级链接

---

五、URL 发现规范（Tavily Map 完整等效）

通过 WebSearch + site: 操作符实现站点URL枚举：

# 发现站点所有索引页面
WebSearch: "site:example.com"

# 发现特定路径
WebSearch: "site:example.com/docs"

# 按关键词过滤站点页面
WebSearch: "{keyword} site:example.com"

配合 WebFetch 解析导航/站点地图，可发现未索引页面。

---

六、深度研究规范（Tavily Research 完整等效）

6.1 研究流程

步骤1: 问题分解 — 将研究主题拆分为 3-5 个子问题
步骤2: 并行搜索 — 每个子问题发起独立的 WebSearch
步骤3: 来源验证 — 对关键来源 WebFetch 获取完整内容
步骤4: 交叉验证 — 对比不同来源的信息一致性
步骤5: 综合报告 — 汇总生成结构化研究报告（含引用链接）

6.2 研究深度

深度	WebSearch 次数	WebFetch 次数	输出长度
快速	1	0-1	500字
标准	3-5	2-3	1500字
深度	5-10	5-10	3000字
极致	10-20	10-20	5000+字

---

七、结果格式化规范

7.1 网页搜索结果

## 搜索结果：{query}

1. **[标题]** — {来源}
   > {摘要}
   🔗 {URL}
   📅 {日期} | ⭐ {评分}

2. ...

7.2 购物搜索结果

## 🛒 购物搜索：{query}

| # | 商品 | 价格 | 评分 | 来源 | 链接 |
|---|------|------|------|------|------|
| 1 | {title} | ¥{price} | ⭐{rating} | {source} | {link} |

💰 价格区间：¥{min} ~ ¥{max}
📊 平均评分：{avg_rating}

7.3 职位搜索结果

## 💼 职位搜索：{query}

| # | 职位 | 公司 | 地点 | 类型 | 薪资 |
|---|------|------|------|------|------|
| 1 | {title} | {company} | {location} | {type} | {salary} |

7.4 学术搜索结果

## 🎓 学术搜索：{query}

1. **{title}** — {authors} ({year})
   📚 {journal} | 引用: {citations}
   > {abstract}
   🔗 {url}

7.5 内容提取结果

## 📄 {title}

**来源**: {url}
**提取时间**: {timestamp}
**格式**: {format}

{content}

7.6 深度研究报告

# 深度研究报告：{topic}

## 摘要
{executive_summary}

## 1. {sub_topic_1}
{content_with_citations}

## 2. {sub_topic_2}
{content_with_citations}

...

## 结论
{conclusion}

## 参考来源
1. [{title}]({url})
2. ...

---

八、高级搜索技巧

8.1 Google 搜索操作符（在查询中使用）

操作符	用法	效果
site:	site:domain.com	限定域名
""	"exact phrase"	精确匹配
-	-exclude	排除词
OR	term1 OR term2	或条件
intitle:	intitle:keyword	标题包含
inurl:	inurl:keyword	URL包含
filetype:	filetype:pdf	文件类型
before:	before:2026-01-01	日期前
after:	after:2026-01-01	日期后

8.2 链式搜索

购物搜索 → 发现目标商品 → WebFetch 提取详情 → 生成比价报告
职位搜索 → 发现目标岗位 → WebFetch 提取JD → 生成投递建议
学术搜索 → 发现论文 → WebFetch 提取摘要 → 生成文献综述

---

九、使用示例

示例1：通用网页搜索

用户："搜一下量子计算最新进展"
执行：WebSearch("量子计算 2026 最新进展")

示例2：购物搜索

用户："帮我比价 MacBook Pro 16寸，找最低价"
执行：WebSearch("MacBook Pro 16 inch price 2026 site:amazon.com OR site:bestbuy.com")

示例3：职位搜索

用户："找远程前端工程师岗位，要薪资范围"
执行：WebSearch("remote frontend engineer salary 2026 site:linkedin.com OR site:indeed.com")

示例4：内容提取

用户："提取这篇博客的完整内容"
执行：WebFetch(url, "提取完整正文为Markdown格式")

示例5：深度研究

用户："深度研究AI Agent最新发展趋势，写份报告"
执行：
  1. WebSearch("AI Agent development trends 2026")
  2. WebSearch("AI Agent multi-agent systems 2026")
  3. WebSearch("AI Agent enterprise application 2026")
  4. WebFetch(关键来源URLs)
  5. 汇总生成报告

---

十、实战验证与最佳实践

已验证的搜索模式

场景	推荐查询模式	验证结果
学术论文	{topic} site:arxiv.org OR site:scholar.google.com	✅ 10篇高质量论文
职位搜索	{role} jobs {location} 2026 hiring	✅ 10个岗位含薪资
购物比价	{product} price comparison {store1} {store2}	✅ 含折扣信息
特定商店	site:{store}.com {product} price	✅ 精准商店结果
深度研究	3-5次不同角度的 WebSearch	✅ 多源信息汇总

关键经验

1. 学术搜索必须加 site: — 不加会混入大量非学术内容
2. 职位搜索不加 site: — 能覆盖 Dice/Toptal/Upwork/LinkedIn 等多平台
3. 购物搜索灵活使用 — 比价用自然查询，特定商店加 site:
4. 时效性查询加年份 — 2026、latest、hiring now 确保结果新鲜
5. 并行搜索 — 深度研究用 3-5 个不同角度同时搜索，效果远超单次

链式搜索示例（已验证可行）

职位搜索: WebSearch("react developer remote salary")
  ↓ 发现感兴趣的岗位
内容提取: WebFetch(job_url, "提取完整JD和薪资范围")
  ↓ 获取公司详情
公司调研: WebSearch("{company} reviews culture benefits")
  ↓ 综合信息
投递建议: 汇总生成投递策略报告

---

十二、技能路由决策树

用户查询
├─ 包含"购物"/"比价"/"Amazon"/"eBay" → 购物搜索模式
├─ 包含"职位"/"招聘"/"工作"/"前端/后端工程师" → 职位搜索模式
├─ 包含"论文"/"学术"/"Scholar"/"研究文献" → 学术搜索模式
├─ 包含"新闻"/"最新"/"快讯" → 新闻搜索模式
├─ 包含"视频"/"YouTube"/"教程视频" → 视频搜索模式
├─ 包含"图片"/"照片"/"壁纸" → 图片搜索模式
├─ 包含"地图"/"附近"/"在哪里" → 地图本地搜索
├─ 包含"航班"/"机票"/"酒店"/"旅行" → 旅行搜索
├─ 包含"应用"/"App"/"下载" → 应用搜索
├─ 包含"专利"/"知识产权" → 专利搜索
├─ 包含"趋势"/"热搜"/"热度" → 趋势搜索
├─ 包含"爬取"/"抓取"/"提取"/"扒内容" → 内容提取模式
├─ 包含"URL"/"链接"/"发现页面" → URL发现模式
├─ 包含"深度研究"/"写报告"/"综合调研" → 深度研究模式
└─ 其他 → 通用网页搜索模式