核心能力

当接到搜索任务时，智能调度多个搜索技能，通过 fallback 机制确保搜索的高可用性，并通过多源交叉验证提高结果准确率。

工作流程

第一步：判断搜索类型

if 简单事实查询（天气、人名、简单百科）:
    → 单源快速搜索（web_search），直接返回
elif 复杂研究任务（行业分析、技术对比、政策解读）:
    → 多源深度搜索（触发 fallback 链）
elif 学术/论文相关:
    → academic-deep-research + 多源验证
elif 金融/投资相关:
    → mx_search + 交叉验证
else:
    → 默认多源搜索

第二步：执行搜索链（Fallback 机制）

搜索链顺序（按优先级递减）：

• 搜索失败（网络错误、API 错误）→ 自动切换到下一个
• 结果为空 → 切换到下一个
• 用户未指定搜索工具时，默认按优先级尝试
• 显式指定某工具时，直接使用（如"用 Tavily 搜索 xxx"）

第三步：多源交叉验证

当调用了 2 个及以上搜索源时，执行交叉验证：

for each unique finding across sources:
    if 发现一致（相同结论）:
        confidence += 1
        tag: "✅ 一致"
    elif 发现分歧:
        tag: "⚠️ 分歧"
        记录分歧内容
    elif 发现补充:
        tag: "📎 补充"
confidence_score = 一致数 / 总发现数

置信度等级：

• 90%+：✅ 高度可信（多源一致）
• 60-89%：⚠️ 中等可信（部分分歧）
• < 60%：❌ 低可信（分歧较大，需进一步查证）

第四步：结果融合输出

搜索结果：[query]

置信度：XX%（X/X 源一致）

核心发现

• [按置信度排序的要点列表]

多源对比

原始结果（按源分组，可折叠）

搜索源调用策略

简单搜索（默认）

自动选择前 2 个可用源，15 秒内返回。

深度搜索（用户要求"深度"、"研究"、"全面"）

自动选择 3+ 个源，包含 multi-search-engine 或 deep-research-pro。

争议查证（用户要求"核实"、"fact-check"、"验证"）

调用 4+ 个源，强制进行交叉验证并明确标注分歧。

国内内容（涉及国内政策、公司、新闻）

优先使用 openclaw-skill-search-web + multi-search-engine（含百度/搜狗）。

学术研究（涉及论文、学术概念、研究方法）

优先使用 academic-deep-research，辅以 tavily-search 验证。

错误处理

调用示例

用户输入："搜索一下 OpenClaw 最新版本的功能更新"

技能执行：

• 判断：简单新闻查询 → 单源快速搜索
• 调用：web_search（Brave）
• 返回结果 + 置信度（单源设为 N/A）

用户输入："研究一下 AI Agent 在教育行业的应用现状，需要多源验证"

技能执行：

• 判断：深度研究 → 多源搜索
• 调用链：web_search → multi-search-engine → deep-research-pro
• 交叉验证：比对三个源的发现，标注一致/分歧
• 输出：结构化报告 + 置信度评分

工具调用接口

本技能通过以下工具执行搜索：

# 工具映射
SEARCH_TOOLS = {
    "web_search": "mcporter call minimax.web_search",
    "ddg-web-search": "ddg-web-search skill",
    "openclaw-skill-search-web": "openclaw-skill-search-web skill",
    "tavily-search": "tavily-search skill",
    "multi-search-engine": "multi-search-engine skill",
    "deep-research-pro": "deep-research-pro skill",
    "academic-deep-research": "academic-deep-research skill",
    "mx_search": "mx_search skill",
}

调用搜索技能时，通过 sessions_spawn 启动子任务并获取结果。

质量标准

• 不瞎猜：搜索不到的信息明确说"未找到"，不编造
• 标注来源：每个结论必须标注来源，不说"据悉"
• 诚实呈现分歧：多个源结果不一致时，不强制统一，如实呈现
• 优先广度：宁可多几个源，也不要漏掉重要信息源