Double Search para Openclaw

Um agregador de mecanismo de pesquisa paralelo de alto desempenho que combina Tavily e Kimi para pesquisas abrangentes orientadas por IA.

wjs028-coder
v1.0.0
Mar 30, 2026
0
761
0

Instalar e Baixar

1. ClawHub CLI

A maneira mais rápida de instalar uma habilidade diretamente do registro.

npx clawhub@latest install double-search

2. Instalação Manual

Copie a pasta da habilidade para um desses locais

Global
~/.openclaw/skills/
Espaço de trabalho
<project>/skills/

Prioridade: Espaço de Trabalho > Local > Integrado

3. Instalação do Prompt

Copie este prompt para o OpenClaw para instalá-lo automaticamente.

Ajude-me a instalar o double-search usando o Clawhub. Se o Clawhub não estiver instalado, instale-o primeiro (npm i -g clawhub).

Prefere baixar?

Obtenha os arquivos originais da habilidade em um arquivo ZIP.

O que é Double Search?

A skill Double Search é uma ferramenta poderosa projetada para o ecossistema Openclaw Skills, permitindo que os AI agents realizem consultas simultâneas em dois mecanismos de pesquisa de primeira linha: Tavily e Kimi. Ao aproveitar a implementação assíncrona em Python, ela fornece uma rede de informações mais ampla e pontos de dados mais precisos do que a pesquisa de fonte única.

Esta skill se destaca na eliminação de duplicatas de resultados e na mesclagem de metadados em um esquema unificado, garantindo que seus fluxos de trabalho de IA recebam o conteúdo mais relevante sem redundância. Ela foi construída com tolerância a falhas, permitindo que o sistema continue funcionando mesmo se um dos provedores de pesquisa sofrer indisponibilidade.

Casos de uso do Double Search

  • Criação de conteúdo e pesquisa profunda que exigem múltiplas perspectivas e fontes verificadas.
  • Análise financeira onde dados de mercado em tempo real e notícias de diferentes provedores precisam ser cruzados.
  • Solução de problemas técnicos e pesquisa de código para agregar soluções de diversos fóruns de desenvolvedores e documentações.
  • Coleta de inteligência de mercado para rastrear tendências e movimentos de concorrentes por meio de web crawling de alta densidade.

Como o Double Search funciona

  1. O AI agent aciona o método de pesquisa com uma consulta específica e parâmetros opcionais, como limites de resultados.
  2. A skill inicia solicitações assíncronas paralelas para as APIs do Tavily e do Kimi usando aiohttp.
  3. Ao receber as respostas, o sistema executa automaticamente a mesclagem inteligente de resultados, classificação e eliminação de duplicatas.
  4. Um payload JSON estruturado é retornado, contendo tanto uma lista mesclada dos melhores resultados quanto uma análise detalhada por fonte.
  5. O AI agent consome os dados unificados para gerar insights ou concluir tarefas atribuídas.

Configuração do Double Search

Primeiro, verifique se você tem as dependências Python necessárias instaladas para o seu ambiente Openclaw Skills:

pip install aiohttp python-dotenv

Configure suas credenciais de API criando um arquivo .env ou exportando variáveis de ambiente:

export TAVILY_API_KEY="tvly-xxxxxxxxxxxx"
export KIMI_API_KEY="your_kimi_api_key_here"

Esquema de Dados e Taxonomia de Double Search

A skill retorna um objeto JSON padronizado contendo a seguinte estrutura:

Key Type Description
query string O termo de pesquisa original utilizado.
merged_results array Uma lista combinada de objetos contendo title, url, snippet e source.
source_breakdown object Os resultados brutos e não mesclados categorizados por tavily e kimi.
limit_per_source integer O número máximo de resultados solicitados de cada mecanismo.

Recursos avançados do Double Search

  • Execução paralela via asyncio para minimizar a latência e corresponder à velocidade do mecanismo mais lento.
  • Algoritmos inteligentes de eliminação de duplicatas e classificação para priorizar as informações mais relevantes.
  • Lógica de mesclagem configurável, permitindo que os usuários alternem entre uma lista unificada ou dados brutos separados por fonte.
  • Tratamento de erros integrado para garantir fluxos de trabalho resilientes mesmo durante falhas parciais da API.
  • Suporte para cache de resultados personalizado para otimizar o desempenho de consultas repetitivas.

SKILL.md


Carregamento

Habilidades relacionadas do Openclaw

METADATA

Github Stars: 0
forks: 0

Apresentou*