OpenClaw 中 web_search + web_fetch 最佳实践速查表
一、核心结论
在 OpenClaw 里，最容易混淆的几个概念是：
web_searchtavily-searchweb_fetch- 原生搜索 provider
- 扩展 skill
最准确、最实用的理解方式是：
web_search：统一的网页搜索能力接口/抽象能力web_fetch：统一的网页读取/抓取能力接口- 原生 provider：OpenClaw 直接支持配置的搜索后端
- 扩展 skill：用户手动安装后接入的额外搜索/抓取能力
tavily-search：属于扩展 skill，不是 OpenClaw 2026.3.13 当前配置向导里的原生 provider
一句话记忆：
搜索负责找，抓取负责读；原生 provider 是 OpenClaw 自带接线，Tavily / Firecrawl 是后装扩展能力。
二、OpenClaw 2026.3.13 的搜索能力层次
1）原生可配置的 web search provider
在 OpenClaw 2026.3.13 版本中，配置向导当前原生支持以下搜索 provider：
- Brave Search # 需要 API Key，有免费额度，但需要绑定信用卡
- Gemini (Google Search) # 需要 API Key，依赖 Google 服务，国内需代理
- Grok (xAI) # 需要 API Key，国内访问限制多，文档较少
- Kimi (Moonshot) # 需要 API Key，中文理解优秀，国际内容覆盖可能较弱
- Perplexity Search # 需要 API Key，国内需代理
OpenClaw 配置导向提示如下：
◆ Choose web search provider │ ● Brave Search (Structured results · country/language/time filters) │ ○ Gemini (Google Search) │ ○ Grok (xAI) │ ○ Kimi (Moonshot) │ ○ Perplexity Search
这些属于：
- OpenClaw 原生支持
- 用户可在配置时直接选择
- 是
web_search能力的默认后端候选
2）需要用户自行安装和配置的 skill
以下能力不是当前版本配置向导里原生可选的 web_search provider，而是需要用户自行安装：
- Firecrawl
- Tavily
它们属于：
- 扩展 skill
- 需要手动安装
- 需要单独配置 API key 或依赖
- 安装后可以补充搜索、抓取或 AI 优化检索能力
所以：
Brave / Gemini / Grok / Kimi / Perplexity 是原生 provider； Firecrawl / Tavily 是额外安装的扩展 skill。
三、从使用者视角理解整体结构
| 能力来源 | 原生 provider | 扩展 skill |
|---|---|---|
| 示例 | Brave / Gemini / Grok / Kimi / Perplexity | Tavily / Firecrawl |
| 功能 | 🔎 web_search: 搜索关键词 / 找来源 / 找链接 📄 web_fetch: 打开页面 / 抓取正文 / 读取细节 |
四、一句话理解关系
web_search和web_fetch是 OpenClaw / agent 提供给你的统一能力接口，像'遥控器'； Brave、Gemini、Grok、Kimi、Perplexity 是 OpenClaw 原生支持的搜索 provider，像内置频道'； Tavily、Firecrawl 是用户后装的扩展 skill，像'额外加装的频道模块'； 你配置了哪个 provider 或安装了哪个 skill，agent 就更可能通过对应能力去完成搜索或抓取。
五、web_search、原生 provider、扩展 skill、web_fetch 的关系
1）web_search 是能力层
web_search 说的是'网页搜索'这件事本身，不一定绑定某一个具体产品名。
它可以由以下两类来源来实现：
- 原生 provider
- 扩展 skill
2）原生 provider 是 OpenClaw 内建支持的后端
在 OpenClaw 2026.3.13 中，以下属于原生 provider：
- Brave Search
- Gemini
- Grok
- Kimi
- Perplexity Search
这些更接近：
- 安装时可直接选
- 配置体验更原生
- 默认就是 OpenClaw 官方接入的搜索后端
3）Tavily / Firecrawl 属于扩展 skill
它们不是当前版本配置向导里直接列出的原生 provider，而是：
- 用户单独安装
- 手动配置
- 作为扩展能力接入 OpenClaw
所以：
tavily-search不是当前版本原生web_search provider列表的一员- 但它依然可以提供高质量网页搜索能力
- 在实际使用中，它可以充当
web_search的一种补充实现
4）web_fetch 是网页读取能力
web_fetch 的职责通常是：
- 打开具体 URL
- 读取页面内容
- 抓取正文
- 提取细节
所以它不负责'找页面'，而负责'读页面'。
六、推荐的理解模型
模型 1：能力层
web_search：找来源web_fetch：读来源
模型 2：实现层
- 原生 provider：Brave / Gemini / Grok / Kimi / Perplexity
- 扩展 skill：Tavily / Firecrawl
模型 3：具体环境中的最佳实践
假定当前额外安装了：
tavily-searchagent-reach
而 web_fetch 是当前 agent 已可用的 tool。
所以你当前更适合的工作流是：
- 先用
tavily-search搜索 - 再用
web_fetch阅读 - 必要时用
agent-reach协调多步任务
七、最推荐的使用分工
tavily-search 负责什么
适合：
- 找最新资料
- 找新闻
- 找论文入口
- 找官方文档入口
- 找多个候选来源
- 为后续精读做召回
web_fetch 负责什么
适合：
- 已经有 URL
- 已经知道要读哪个页面
- 读取正文
- 抓取细节
- 提取发布日期、作者、版本号、参数说明
- 核对页面中是否真的写了某句话
agent-reach 负责什么
适合：
- 协调多步任务
- 提高外部能力被调用的概率
- 强化'先搜索、再阅读、再总结'的工作流
- 降低模型直接凭已有知识回答的概率
八、标准工作流
工作流 A：你没有 URL
- 用
tavily-search搜索 - 获取候选来源
- 选择最相关来源
- 用
web_fetch读取
工作流 B：你已有 URL
- 直接用
web_fetch读取
工作流 C：复杂多步任务
- 用
agent-reach协调任务 - 先搜索
- 再阅读
- 最后总结
九、什么时候优先用 tavily-search
适合：
- 你还没有具体网址
- 你要查'最新''最近''本周''本月'
- 你需要候选来源列表
- 你要找新闻、论文、公告、文档入口
- 你不确定先读哪个页面
典型任务：
- 最近一周 AI 新闻
- 某个框架最近更新了什么
- 某个 API 的官方文档入口
- 某个研究方向最近有哪些论文
十、什么时候优先用 web_fetch
适合：
- 你已经有 URL
- 你只想读某个页面
- 你需要正文
- 你需要页面细节
- 你要提取参数、版本号、发布日期等信息
典型任务：
- 阅读官方文档页面
- 总结新闻正文
- 提取博客文章要点
- 查看 release note 里的变更项
十一、OpenClaw 中推荐的标准流程
| 用户问题 | 是否已有明确 URL？ | 操作 |
|---|---|---|
| 无 URL | 否 | 先用 web_search 能力搜索（可由原生 provider 或 tavily-search 实现） |
| 无 URL | - | 得到候选来源 / 链接 |
| 无 URL | - | 再用 web_fetch 读取 |
| 有 URL | 是 | 直接用 web_fetch |
十二、最常用的对话提示词模板
1）搜索后再读取
先使用 tavily-search 搜索这个主题，列出 5 个最相关来源；再使用 web_fetch 打开最相关的 1 个页面并总结。主题：multimodal RAG 最新论文
2）只搜索，不精读
使用 tavily-search 搜索：最近一周关于 OpenAI 模型发布的新闻，只给我来源列表和一句话摘要。
3）官方来源优先
使用 tavily-search 搜索 Kubernetes Ingress 官方文档，优先官方来源；再用 web_fetch 打开最相关页面并总结。
4）搜索新闻
先用 tavily-search 搜索最近一周 AI agent 相关新闻，再给我按时间排序的摘要。
5）搜索论文
先使用 tavily-search 搜索 multimodal RAG 相关论文，优先 arXiv 和官方论文页面，再使用 web_fetch 阅读最相关页面并总结。
6）多步任务协同
这是一个多步任务。请通过 agent-reach 协调当前可用能力，不要直接凭已有知识回答。先使用 tavily-search 搜索高质量来源，再使用 web_fetch 阅读最相关页面，最后给出带来源的结论。主题：最近一个月关于 AI agent memory 的研究进展。
十三、命令行直测速查
下面这些命令用于直接测试 tavily-search skill 本体。
基础搜索
# 作用：执行最基础的一次 Tavily 搜索。
# 语法：node <脚本路径> "<查询词>"
# 规则：
# - 查询词建议放在双引号中
# - 适合快速验证插件和 API key 是否生效
node ~/.openclaw/skills/liang-tavily-search/scripts/search.mjs "python async patterns"
指定结果数量
# 作用：控制返回结果数。
# 语法：node <脚本路径> "<查询词>" -n <数量>
# 规则：
# - 常见范围 1 到 20
# - 数量越多，召回越广，但噪声可能增加
node ~/.openclaw/skills/liang-tavily-search/scripts/search.mjs "React hooks tutorial" -n 10
指定搜索深度
# 作用：调整搜索深度，在速度和相关性之间取平衡。
# 语法：node <脚本路径> "<查询词>" --depth <模式>
# 规则：
# - 可选值：ultra-fast、fast、basic、advanced
# - basic 最通用
# - advanced 适合研究型任务
node ~/.openclaw/skills/liang-tavily-search/scripts/search.mjs "machine learning evaluation benchmarks" --depth advanced
搜索新闻
# 作用：把搜索主题切换为新闻类。
# 语法：node <脚本路径> "<查询词>" --topic news
# 规则：
# - 适合最新事件、产品发布、政策变化
# - 如果不是新闻类查询，建议用默认 general
node ~/.openclaw/skills/liang-tavily-search/scripts/search.mjs "AI regulation Europe" --topic news
限定时间范围
# 作用：限制搜索结果的时间范围。
# 语法：node <脚本路径> "<查询词>" --time-range <范围>
# 规则：
# - 可选值：day、week、month、year
# - 适合'最近一周''最近一个月'这类查询
node ~/.openclaw/skills/liang-tavily-search/scripts/search.mjs "OpenAI API updates" --topic news --time-range week
限定域名
# 作用：只保留指定域名结果。
# 语法：node <脚本路径> "<查询词>" --include-domains <域名列表>
# 规则：
# - 多个域名通常用逗号分隔
# - 适合官方文档、论文站点、可信来源筛选
node ~/.openclaw/skills/liang-tavily-search/scripts/search.mjs "Python asyncio gather" --include-domains docs.python.org
排除域名
# 作用：排除某些不想要的域名。
# 语法：node <脚本路径> "<查询词>" --exclude-domains <域名列表>
# 规则：
# - 多个域名通常用逗号分隔
# - 适合过滤低质量或无关站点
node ~/.openclaw/skills/liang-tavily-search/scripts/search.mjs "LLM benchmarks" --exclude-domains pinterest.com,reddit.com
输出 JSON
# 作用：输出原始 JSON，方便调试和脚本二次处理。
# 语法：node <脚本路径> "<查询词>" --json
# 规则：
# - 适合程序消费
# - 不适合纯人工阅读
node ~/.openclaw/skills/liang-tavily-search/scripts/search.mjs "vector database comparison" --json
返回更完整内容
# 作用：尝试返回更完整的页面内容，而不只是摘要片段。
# 语法：node <脚本路径> "<查询词>" --raw-content
# 规则：
# - 输出会更长
# - 更适合研究和离线分析
node ~/.openclaw/skills/liang-tavily-search/scripts/search.mjs "multimodal RAG survey" --raw-content
多参数组合
# 作用：组合数量、主题、时间范围、域名过滤等参数。
# 语法：
# node <脚本路径> "<查询词>" -n <数量> --topic <主题> --time-range <范围> --include-domains <域名列表>
# 规则：
# - 参数越明确，结果通常越稳定
# - 适合研究型和高价值查询
node ~/.openclaw/skills/liang-tavily-search/scripts/search.mjs "multimodal RAG papers" -n 8 --topic general --time-range year --include-domains arxiv.org,acm.org
十四、在对话中怎么更稳定触发正确流程
推荐写法 1：明确步骤
先使用 tavily-search 搜索高质量来源，再使用 web_fetch 阅读最相关页面，最后总结。
推荐写法 2：强调不要直接回答
不要直接凭已有知识回答。先使用 tavily-search 搜索，再使用 web_fetch 阅读来源，然后给出结论。
推荐写法 3：强调这是最新信息
这是一个需要最新信息的问题。请先使用 tavily-search 搜索最近一周相关资料，再使用 web_fetch 阅读最相关页面。
推荐写法 4：强调官方来源
先使用 tavily-search 搜索，优先官方来源；再使用 web_fetch 打开最相关页面并提取关键信息。
推荐写法 5：加入 agent-reach 强化多步协同
请通过 agent-reach 协调当前可用能力，不要直接回答。先使用 tavily-search 搜索高质量来源，再使用 web_fetch 阅读关键页面，最后输出带来源的总结。
十五、常见误区
误区 1：把 web_search 当成固定插件名
web_search 往往是'网页搜索能力'的泛称，不一定是某个具体 skill 名。
误区 2：把原生 provider 和扩展 skill 混为一谈
- Brave / Gemini / Grok / Kimi / Perplexity 是 OpenClaw 原生 provider
- Tavily / Firecrawl 是用户自行安装的扩展 skill
误区 3：把 web_fetch 当成搜索工具
web_fetch 一般负责'打开页面'，不是'找页面'。
误区 4：以为装了 tavily-search 就不需要 web_fetch
tavily-search 更适合召回来源，web_fetch 更适合精读页面。两者配合效果最好。
误区 5：以为 provider、skill、tool 是同一层
- provider：底层服务来源
- skill：扩展能力封装方式
- tool / interface：agent 暴露给你的能力入口
误区 6：以为 agent-reach 是搜索工具
agent-reach 更适合作为多步任务协调层，而不是单独的搜索引擎替代品。
十六、推荐默认策略
- 如果没有 URL：先用
tavily-search - 如果有 URL：直接用
web_fetch - 如果问题涉及最新信息：先用
tavily-search，必要时限定时间范围 - 如果需要精读：先
tavily-search，后web_fetch - 如果需要官方来源：先用
tavily-search找官方页面，再用web_fetch读 - 如果任务是多步研究：加入
agent-reach协调'搜索 → 阅读 → 总结'
十七、排障速查
情况 1：脚本报 TAVILY_API_KEY not set
说明当前 shell 没拿到环境变量。
# 作用：检查当前 shell 是否已经有 TAVILY_API_KEY。
# 语法：echo "$TAVILY_API_KEY"
# 规则：
# - 有输出表示变量已生效
# - 空输出表示变量未生效
echo "$TAVILY_API_KEY"
情况 2：tavily-search 已安装，但对话里没触发
通常不是安装失败，而是提示词不够明确。
建议直接这样写：
不要直接回答。先使用 tavily-search 搜索，再使用 web_fetch 阅读来源，最后给出结论。
情况 3：旧会话行为异常
新开一个会话再试，避免旧上下文干扰工具选择。
情况 4：想确认 skill 本体是否可用
# 作用：绕过会话层，直接测试 tavily-search skill 脚本本体。
# 语法：node <脚本路径> "<查询词>"
# 规则：
# - 这是最稳的插件可用性验证方法
node ~/.openclaw/skills/liang-tavily-search/scripts/search.mjs "latest papers on multimodal RAG"
情况 5：复杂任务总是只用一个工具
尝试在提示词中显式加入：
这是一个多步任务。请通过 agent-reach 协调当前可用能力，先搜索，再阅读，最后总结。
十八、术语表
web_search
网页搜索能力的抽象接口，重点是'找来源'。
web_fetch
网页读取能力接口，重点是'读页面'。
provider
底层搜索/能力提供方，例如：
- Brave
- Gemini
- Grok
- Kimi
- Perplexity
skill
额外安装的扩展能力封装，例如：
- Tavily
- Firecrawl
- agent-reach
tavily-search
基于 Tavily 的扩展搜索 skill，可用于补充或增强 web_search 能力。
agent-reach
用于协调多步任务、强化外部能力调用的 skill，不是传统搜索引擎替代品。
十九、一句话总结
web_search：搜索能力的抽象接口- 原生 provider：Brave / Gemini / Grok / Kimi / Perplexity
- 扩展 skill：Tavily / Firecrawl / agent-reach
web_fetch：网页读取与抓取能力
最佳实践是：
先用搜索能力找来源（你当前常用
tavily-search），再用web_fetch读来源；复杂任务再用agent-reach协调。
