---

name: xyz description: 网络搜索工具，支持多种搜索引擎后端（DuckDuckGo、Tavily、Bing、Google、SearXNG）。使用场景：当用户需要搜索网络上的实时信息、查找最新资料、获取在线资源时调用。通过命令行执行搜索查询并返回结构化的搜索结果（标题、链接、摘要）。 license: Complete terms in LICENSE.txt

xyz

概述

网络搜索技能，为代理系统提供实时网络搜索能力。支持 5 种搜索引擎后端，默认使用 DuckDuckGo（免费，无需 API Key），也可切换至 Tavily、Bing、Google 或 SearXNG。

使用方法

基本用法

python scripts/xyz.py "<query>"

命令行参数

参数	说明
<query>	搜索查询文本（必填）
--json	以 JSON 格式输出结果
--provider <name>	指定搜索引擎：duckduckgo、tavily、bing、google、searxng
--max <n>	最大返回结果数（默认: 10）

使用示例

# 基本搜索
python scripts/xyz.py "Python 异步编程教程"

# 使用 JSON 格式输出
python scripts/xyz.py "机器学习入门" --json

# 指定搜索引擎和结果数量
python scripts/xyz.py "最新科技新闻" --provider bing --max 5

支持的搜索引擎

引擎	说明	所需环境变量
duckduckgo (默认)	免费，无需 API Key。优先使用 duckduckgo_search 库，未安装时回退到 HTML 解析	无
tavily	Tavily 搜索 API	TAVILY_API_KEY
bing	Bing Web Search API	BING_API_KEY
google	Google Custom Search API	GOOGLE_API_KEY、GOOGLE_CSE_ID
searxng	自托管 SearXNG 实例	SEARXNG_URL（默认 http://localhost:8080）

环境变量

变量名	说明	默认值
SEARCH_PROVIDER	默认搜索引擎	duckduckgo
SEARCH_MAX_RESULTS	默认最大返回结果数	10
SEARCH_TIMEOUT	HTTP 请求超时时间（秒）	30
TAVILY_API_KEY	Tavily API 密钥	—
BING_API_KEY	Bing Search API 密钥	—
GOOGLE_API_KEY	Google Custom Search API 密钥	—
GOOGLE_CSE_ID	Google 自定义搜索引擎 ID	—
SEARXNG_URL	SearXNG 实例地址	http://localhost:8080

输出格式

文本格式（默认）

每条结果包含序号、标题、链接和摘要：

搜索 "Python 异步编程" 找到 3 条结果：

[1] Python asyncio 完整指南
    链接: https://example.com/asyncio-guide
    摘要: 本文介绍了 Python asyncio 模块的核心概念...

[2] ...

JSON 格式（--json）

{
  "query": "Python 异步编程",
  "count": 3,
  "results": [
    {
      "title": "Python asyncio 完整指南",
      "url": "https://example.com/asyncio-guide",
      "snippet": "本文介绍了 Python asyncio 模块的核心概念..."
    }
  ]
}

运行要求

• Python 3.10+
• 仅使用标准库（urllib、json、re、html），无强制第三方依赖
• 可选安装 duckduckgo_search 库以提升 DuckDuckGo 搜索质量
• 脚本启动时会自动进行网络连通性检测

注意事项

• 根据返回的搜索结果（标题、链接、摘要）组织答案，不新增或臆造内容
• 使用非 DuckDuckGo 引擎前，请确保对应的 API Key 环境变量已正确设置
• 如网络不可用，脚本会输出警告信息但仍会尝试执行搜索

进度跟踪

系统实时显示搜索进度：

• 格式：{index + 1}/{depth}th search executed.
• 例如：1/3th search executed.

使用场景

适用场景

1. 复杂主题研究: 需要对特定主题进行深入、全面的研究
2. 最新信息分析: 需要基于最新网络信息生成详细分析报告
3. 多角度探索: 需要从不同角度和维度探索一个主题
4. 系统化调查: 需要系统化的调查和证据收集

典型用例

• 市场趋势分析
• 技术发展研究
• 竞争对手分析
• 学术文献综述
• 产品调研

技术特点

智能特性

1. 自适应搜索: 每轮搜索后由LLM分析结果，智能决定下一步搜索方向
2. 避免重复: 系统记录已搜索主题，避免重复搜索相同内容
3. 深度推理: 使用专门的推理模型进行综合分析

系统特性

1. 多轮迭代: 支持指定深度的多轮搜索
2. 并行能力: 支持最多10个并行搜索
3. 状态管理: 完整的变量管理和状态跟踪
4. 进度可视: 实时显示搜索进度和状态

集成特性

1. LLM集成: 结合GPT-4o进行智能分析，deepseek-reasoner进行深度推理
2. 网络搜索: 集成web-search技能获取实时网络信息
3. JSON处理: 使用JSON解析工具处理结构化数据

工作流示例

输入示例

用户查询: "人工智能在医疗领域的最新发展"
研究深度: 3

执行流程

1. 第1轮:

   • LLM分析: 决定搜索"AI医疗诊断最新进展"
   • Web搜索: 执行搜索并收集结果
   • 状态更新: 记录主题，决定继续搜索

2. 第2轮:

   • LLM分析: 基于第1轮结果，决定搜索"医疗影像AI技术突破"
   • Web搜索: 执行搜索并收集结果
   • 状态更新: 记录主题，决定继续搜索

3. 第3轮:

   • LLM分析: 基于前两轮结果，决定搜索"AI药物研发应用"
   • Web搜索: 执行搜索并收集结果
   • 状态更新: 记录主题，决定结束搜索

4. 综合分析:

   • LLM综合分析所有收集到的findings
   • 生成关于"人工智能在医疗领域的最新发展"的详细报告

输出示例

# 人工智能在医疗领域的最新发展研究报告

## 执行摘要
[基于三轮搜索的综合分析...]

## 主要发现
1. AI在医疗诊断方面的最新进展
   - [具体发现1]
   - [具体发现2]

2. 医疗影像AI技术突破
   - [具体发现3]
   - [具体发现4]

3. AI在药物研发中的应用
   - [具体发现5]
   - [具体发现6]

## 结论与建议
[综合分析结论...]

## 未来研究方向
[基于研究发现提出的未来研究方向...]

注意事项

工作流限制

1. 无执行脚本: 本skill是一个工作流描述文档，不包含可执行脚本
2. 外部依赖: 依赖web-search技能执行实际搜索
3. 参数简化: 搜索时仅使用query参数，忽略其他搜索配置

使用建议

1. 深度设置: 根据研究复杂度设置合适的depth值
2. 查询优化: 提供清晰具体的研究主题
3. 结果验证: 对生成的报告进行必要的事实核查

最佳实践

1. 渐进式研究: 从宽泛主题开始，逐步深入具体方向
2. 多源验证: 结合多个来源的信息进行交叉验证
3. 及时更新: 对于快速发展的主题，建议定期重新研究

故障排除

常见问题

1. 搜索无结果: 检查query是否过于具体或专业，尝试更通用的搜索词
2. 迭代过早结束: 调整LLM的temperature参数或提供更多上下文
3. 结果重复: 系统已内置避免重复机制，如仍出现可手动干预

性能优化

1. 并行搜索: 充分利用系统的并行能力（最多10个并行）
2. 缓存利用: 对于相同主题的多次研究，可考虑结果缓存
3. 增量更新: 对于持续研究，可采用增量更新策略

---

重要提示: 本skill描述了一个深度搜索工作流，实际执行需要依赖外部技能和配置。请确保已正确配置xyz技能和相关LLM服务。