搜索助手免费版

概述

搜索助手免费版是一款轻量级的搜索任务分解与调度助手。它将用户的复杂查询自动分解为独立且互补的子任务,为每个子任务生成自然语言描述,并分配给通用搜索代理执行,最后聚合各子任务结果形成完整答案. 免费版适合个人用户处理需要多角度搜索的复杂研究问题。通过任务分解,将一个难以直接搜索的复杂问题,拆分为多个可高效执行的子查询,提升搜索覆盖面和结果质量.

核心能力

能力模块	说明	免费版支持
任务分解	复杂查询拆分为子任务	支持(最多5个)
通用搜索	调用通用搜索代理	支持
结果聚合	合并各子任务结果	支持
自然语言描述	子任务自然语言描述	支持
并行调度	子任务并行执行	支持
学术搜索	学术文献专用搜索	不支持
专业领域搜索	按领域路由专业代理	不支持
日期约束	基于日期的搜索约束	不支持
任务模板	预设搜索任务模板	不支持
结果评分	子任务结果质量评分	不支持

已知限制

执行已知限制操作,使用input_params参数进行配置,支持创建/查询/导出等操作.

• 执行此能力时使用input_params参数,支持创建/查询/导出操作

子任务数量上限

子任务数量上限:5个

处理: 解析子任务数量上限的输入参数,完成核心逻辑,返回结构化响应. 输出: 返回子任务数量上限的响应数据,包含状态码、结果和日志.

• 执行此能力时使用input_params参数,支持创建/查询/导出操作

仅支持通用搜索代理(不支持学术

仅支持通用搜索代理(不支持学术、专业领域代理)

处理: 解析仅支持通用搜索代理(不支持学术的输入参数,完成核心逻辑,返回结构化响应. 输出: 返回仅支持通用搜索代理(不支持学术的响应数据,包含状态码、结果和日志.

• 执行此能力时使用input_params参数,支持创建/查询/导出操作

不支持日期约束搜索

不支持日期约束搜索

处理: 解析不支持日期约束搜索的输入参数,完成核心逻辑,返回结构化响应. 输出: 返回不支持日期约束搜索的响应数据,包含状态码、结果和日志.

• 执行此能力时使用input_params参数,支持创建/查询/导出操作

不支持搜索任务模板

不支持搜索任务模板

处理: 解析不支持搜索任务模板的输入参数,完成核心逻辑,返回结构化响应. 输出: 返回不支持搜索任务模板的响应数据,包含状态码、结果和日志.

• 执行此能力时使用input_params参数,支持创建/查询/导出操作

不支持结果质量评分与排序

不支持结果质量评分与排序

处理: 解析不支持结果质量评分与排序的输入参数,完成核心逻辑,返回结构化响应. 输出: 返回不支持结果质量评分与排序的响应数据,包含状态码、结果和日志.

• 执行此能力时使用input_params参数,支持创建/查询/导出操作

处理: 解析已知限制的输入参数,完成核心逻辑,返回结构化响应. 输出: 返回已知限制的响应数据,包含状态码、结果和日志. 能力覆盖范围：本skill的核心能力覆盖以下场景关键词：轻量级搜索任务分、解与调度助手、支持子任务拆分与、通用搜索代理调用、适合个人研究查询、搜索助手免费版为、个人用户提供轻量、级的搜索任务分解、与调度能力等。这些关键词对应description中声明的使用场景,均已在上述能力点中提供对应的操作支持.

使用场景

场景一:复杂研究问题拆解

用户希望研究"AI大模型在医疗领域的应用现状与挑战",这是一个复杂问题,需要从多个角度搜索.

输入格式

参数名	类型	必填	说明
input	string	是	搜索助手免费版处理的输入数据或指令
options	object	否	附加配置选项,如模式选择、格式偏好等
callback_url	string	否	异步处理完成后的回调通知URL

用户输入: "研究AI大模型在医疗领域的应用现状与挑战"
# ...
AI助手分解为子任务:
1. "AI大模型在医疗影像诊断中的应用案例与效果评估"
2. "医疗大模型的监管政策与合规要求"
3. "AI医疗大模型面临的技术挑战与数据隐私问题"
4. "医疗AI大模型的商业化进展与市场规模"
# ...
并行执行搜索后,聚合结果生成综合报告.

场景二:产品调研多角度信息收集

独立开发者计划开发一款AI写作助手,需要从多个维度收集信息.

用户输入: "调研AI写作助手市场,包括竞品、用户需求和技术方案"
# ...
AI助手分解为子任务:
1. "AI写作助手主要竞品产品对比与定价分析"
2. "用户对AI写作工具的核心需求与痛点"
3. "AI写作助手的主流技术方案与开源模型"
4. "AI写作工具市场的用户规模与增长趋势"
# ...
各子任务并行搜索,结果聚合后形成完整调研报告.

场景三:技术方案对比研究

技术团队需要对比评估几种技术方案的优劣.

用户输入: "对比vLLM、TGI和SGLang三种大模型推理框架的性能、易用性和生态"
# ...
AI助手分解为子任务:
1. "vLLM推理框架性能基准测试与特性分析"
2. "TGI(Text Generation Inference)框架特点与使用场景"
3. "SGLang推理框架优势与与vLLM的对比"
4. "三种推理框架的社区生态与生产部署案例"
# ...
并行搜索后,综合对比形成技术选型建议.

不适用场景

以下场景搜索助手免费版不适合处理：

• 黑帽SEO手段
• 搜索引擎作弊
• 付费广告投放管理

触发条件

需要SEO优化、关键词分析、排名提升、搜索流量优化时使用。不适用于非本工具能力范围的需求.

快速开始

使用流程

搜索助手的工作流程:

1. 接收用户查询
2. 分析查询,识别可分解的维度
3. 拆分为独立且互补的子任务(最多5个)
4. 为每个子任务生成自然语言描述
5. 并行分配给通用搜索代理执行
6. 收集各子任务结果
7. 聚合结果,形成综合回答

第二步:提出你的研究问题

直接用自然语言描述你的研究需求,无需预设格式:

用户: "我想了解向量数据库的现状,包括主流产品、性能对比和应用场景"
# ...
AI助手会自动:
- 分解为子任务
- 调用搜索代理
- 聚合结果
- 生成综合报告

第三步:查看分解结果

AI助手会先展示分解的子任务,然后并行执行搜索:

## 搜索任务分解
# ...
根据您的查询,我将任务分解为以下4个子任务:
# ...
1. [通用搜索] 主流向量数据库产品概览与特点
2. [通用搜索] 向量数据库性能基准测试对比
3. [通用搜索] 向量数据库的典型应用场景与案例
4. [通用搜索] 向量数据库选型建议与最佳实践
# ...
正在并行执行搜索...

第四步:获取聚合结果

各子任务搜索完成后,AI助手聚合结果:

## 搜索结果综合
# ...
### 主流向量数据库
- Pinecone: 云原生,全托管,适合快速上线
- Milvus: 开源,高性能,支持大规模部署
- Qdrant: Rust实现,低延迟,过滤能力强
- pgvector: PostgreSQL扩展,适合已有PG架构
- Weaviate: 内置向量化模块,支持多模态
# ...
### 性能对比
[各子任务搜索结果的性能数据汇总...]
# ...
### 应用场景
[各子任务搜索结果的应用场景汇总...]
# ...
### 选型建议
[基于搜索结果的综合选型建议...]

示例

子任务分解策略

AI助手根据查询类型自动选择分解策略:

查询类型	分解策略	示例
对比研究	按对比对象分解	"对比A、B、C" -> 3个子任务
现状调研	按维度分解	"X的现状" -> 技术/市场/挑战/趋势
方案选型	按评估维度分解	"X选型" -> 性能/成本/生态/易用性
问题分析	按因果分解	"X的问题" -> 现象/原因/影响/解决方案

通用搜索代理调用

# AI助手内部调用逻辑(用户无需手动操作)
# ...
角色: 搜索组组长
职责: 分解任务,分配给搜索代理,聚合结果
# ...
可用代理:
- General_Search_Agent: 通用网页搜索(免费版唯一可用)
# ...
分配规则:
1. 分析用户查询的维度
2. 拆分为独立互补的子任务(最多5个)
3. 每个子任务生成自然语言描述
4. 并行分配给General_Search_Agent
5. 等待所有子任务完成
6. 聚合结果,去除重复,补充关联
7. 生成结构化综合报告

结果聚合格式

以下是搜索结果聚合后的输出格式，包含来源、摘要与相关性评分.

搜索结果综合报告

...

查询原文

{用户原始查询}

...

子任务执行概况

子任务	状态	结果数	耗时
子任务1	完成	8	2.3s
子任务2	完成	6	1.8s
子任务3	完成	10	3.1s

...

综合结果

[按主题聚合各子任务搜索结果,去除重复,标注来源]

...

关键发现

[从各子任务结果中提取的关键洞察]

## 最佳实践

### 1. 查询要具体而非宽泛

具体的查询能产生更有针对性的子任务分解。避免过于宽泛的查询:

```text
# 好:具体明确
"调研AI写作助手市场,包括竞品、用户需求和技术方案"
# ...
# 不好:过于宽泛
"告诉我关于AI的一切"

2. 信任分解结果但可调整

AI助手的自动分解通常合理,但如果分解方向不符合预期,可以要求调整:

用户: "这个分解缺少了'用户付费意愿'这个维度,请补充一个子任务"
AI助手: "好的,已补充子任务5: AI写作工具用户付费意愿与定价接受度调研"

3. 子任务数量不宜过多

免费版最多5个子任务。子任务过多会导致每个任务搜索深度不足。建议3-4个子任务为最佳平衡点:

# 理想:3-4个聚焦的子任务
"对比vLLM、TGI和SGLang" -> 3个子任务(每个框架一个)
# ...
# 过多:超过5个会降低质量
"研究AI的全部领域" -> 建议缩小范围

4. 聚合结果要交叉验证

各子任务的搜索结果可能存在矛盾。AI助手在聚合时会交叉验证,用户也应关注来源可信度:

AI助手: "子任务1和子任务3的数据存在差异,已标注。建议参考权威来源..."

5. 善用结果做后续深入

聚合结果是研究的起点,而非终点。对感兴趣的子任务结果,可以要求AI助手深入搜索:

用户: "子任务2关于性能对比的结果很有价值,请深入搜索vLLM和SGLang的详细基准测试数据"

常见问题

Q: 子任务分解的质量不稳定怎么办?

A: 分解质量取决于查询的清晰度。模糊或过于宽泛的查询会导致分解方向偏离。建议:(1)查询中明确研究维度(如"包括竞品、技术、市场");(2)指定关注的重点方向;(3)对分解结果提出调整意见.

Q: 搜索代理返回的结果不相关怎么办?

A: 通用搜索代理的结果相关度取决于子任务描述的精确度。AI助手会尽量生成精准的子任务描述,但仍可能偏离。可以:(1)要求重新描述某个子任务;(2)提供更具体的搜索关键词提示;(3)手动指定搜索方向.

Q: 免费版能否搜索学术文献?

A: 免费版仅支持通用搜索代理,不包含学术文献专用搜索。如需搜索学术论文、研究报告,建议:(1)在查询中指定"学术"或"论文"关键词,通用搜索会尝试覆盖学术站点;(2)升级到专业版使用学术搜索代理.

Q: 子任务可以串行而非并行执行吗?

A: 免费版默认并行执行所有子任务以提升效率。如果某些子任务依赖前一个任务的结果,可以要求AI助手串行执行,但这会延长总耗时。通常建议保持并行,在聚合阶段处理关联.

Q: 结果聚合时会去除重复吗?

A: 会。AI助手在聚合各子任务结果时,会识别并去除重复内容(相同URL或高度相似的内容),保留最相关的版本。但如果两个子任务从不同角度覆盖同一主题,会保留两个视角的描述.

Q: 如何获取更深入的搜索结果?

A: 免费版的通用搜索返回摘要级别的结果。如需更深入的内容,可以:(1)对感兴趣的子任务结果要求AI助手进一步搜索;(2)使用WebFetch抓取结果中的URL获取全文;(3)升级到专业版使用全文提取与专业领域搜索代理.

依赖说明

运行环境

• Agent平台: 支持SKILL.md的任意AI Agent(Claude Code / Cursor / Codex / Gemini CLI等)
• 操作系统: Windows / macOS / Linux
• 运行时: 需要Agent具备WebSearch或搜索代理调用能力

依赖详情

依赖项	类型	是否必需	获取方式
搜索代理	Agent能力	必需	Agent内置WebSearch或通用搜索代理
WebFetch	网页抓取	推荐	Agent内置或浏览器MCP工具
LLM API	API	必需	由Agent内置LLM提供(负责任务分解与结果聚合)
网络访问	网络	必需	需能访问搜索引擎与目标网页

API Key 配置

• 基础LLM由Agent平台内置提供，特定外部API需单独配置密钥
• 搜索能力由Agent内置的WebSearch或通用搜索代理提供
• 若使用外部搜索API(如Tavily),需配置对应API Key
• LLM API: 由Agent平台内置提供,负责任务分解、子任务描述生成与结果聚合

可用性分类

• 分类: MD+EXEC(纯Markdown指令,依赖Agent的搜索与推理能力)
• 说明: 基于Markdown的AI Skill,通过自然语言指令驱动Agent完成搜索任务分解与调度。免费版聚焦个人用户的复杂查询拆分、通用搜索代理调用与结果聚合,适合复杂研究问题拆解、多角度信息收集与个人项目调研场景.

错误处理

错误场景	原因	处理方式
配置错误	参数缺失或格式错误	检查依赖说明中的配置要求
运行时错误	运行环境不满足	确认运行环境符合依赖说明
网络错误	连接超时或不可达	执行ping命令测试网络连通性,检查防火墙和代理设置连接后执行ping命令测试网络连通性,检查防火墙和代理设置连接后重新执行命令，参考国内替代方案