OpenClaw Skill推荐:tavily-search-pro 五种模式打造AI搜索全家桶

不造谣、不信谣、不传谣——关于孤独症的所有信息，请以正规医院、专业医生的诊断结果为准。

你有没有遇到过这种情况：需要一个AI搜索工具，能查新闻、查金融数据、还能深度研究某个话题，结果发现每个需求都要换不同的工具？

今天推荐的这个Skill——tavily-search-pro，就是来解决这个问题的。

🔎 能力一览：五种模式，一站式解决

tavily-search-pro 整合了五个常用搜索场景：

• • search — 普通网页搜索，支持LLM摘要、域名过滤、时间范围
• • news — 新闻搜索，专门针对时效性内容
• • finance — 金融搜索，股票、加密货币、市场分析
• • extract — URL内容提取，支持多URL批量抓取
• • research — 深度研究，输出带引用来源的研究报告

简单理解：它把一个AI研究员需要的全部搜索能力，做成了一个命令行工具。

实际用法场景

场景一：快速获取带摘要的新闻

写文章前需要了解当天动态，一句命令搞定：

python3 lib/tavily_search.py news "AI大模型最新进展" --time week --answer

加 --answer 参数后，Tavily 会用 LLM 生成一段摘要，不用逐条点开看了。

场景二：金融场景研究

写投资分析文章时，想了解某只股票的市场情绪：

python3 lib/tavily_search.py finance "NVIDIA 2026年AI芯片市场分析" --time month --answer

场景三：深度研究写进报告

做行业研究，直接出带引用来源的完整报告：

python3 lib/tavily_search.py research "2026年AI在医疗领域的应用趋势"

输出包含多个来源链接，直接可引用。

场景四：批量抓取网页内容

比如批量提取多个新闻页面，不用自己写爬虫：

python3 lib/tavily_search.py extract "https://news.com/article1" "https://tech.com/analysis" --depth advanced

为什么推荐这个Skill

评分高（4.448）：在ClawHub搜索结果中评分非常靠前，实际体验也确实稳定。

覆盖场景全：五种模式覆盖了日常高频需求，一套工具顶五套用。

用法不复杂：不需要写代码，命令行调用即可，参数设计清晰，有问题查SKILL.md一目了然。

输出结构化：支持 --json 输出，方便后续自动化处理。

写法分析：SKILL.md 结构技巧

这Skill的SKILL.md写得非常规范，有很多可以借鉴的地方：

技巧一：用表格代替段落描述参数

| Env Variable | Default | Description |
|---|---|---|
| `TAVILY_API_KEY` | — | **Required.** Tavily API key |

比文字描述更易读，也方便AI理解和调用时引用。

技巧二：每种模式用独立小节，结构一致

每个命令（search/news/finance/extract/crawl/map/research）都有独立的Parameters / Examples / Output format，AI调用时能精准定位，不会混淆。

技巧三：Options Reference 汇总表

把所有命令共享的参数用表格汇总，注明”Applies To”，避免每个小节重复说明。这招在参数多的时候特别有用。

技巧四：错误处理单独一节

列出常见错误码（401、429等）及对应含义，降低调试成本。这也是高质量Skill的标配。

技巧五：Credits & Pricing 说明清楚

用了credits计费逻辑，说明这是一个商业API，读者有预期。

快速安装

需要先配置 API Key（Tavily官网^[1]免费注册有额度），然后：

clawhub install tavily-search-pro

配置好环境变量后即可使用。详细安装步骤见SKILL.md末尾的install脚本。

总的来说，如果你需要一个能文能武的AI搜索工具，tavily-search-pro 是个值得一试的选择。五种模式按需切换，命令行操作，对OpenClaw用户来说相当顺手。