AgentSkillsCN

web-research

使用 Brave Search MCP 工具联网检索,引用来源,再基于证据推理回答。适用于需要最新信息、事实核查、引用来源的场景。

中文原作
SKILL.md
--- frontmatter
name: web-research
description: 使用 Brave Search MCP 工具联网检索,引用来源,再基于证据推理回答。适用于需要最新信息、事实核查、引用来源的场景。
license: MIT
allowed-tools:
  - brave_web_search
  - brave_news_search
  - brave_video_search
  - brave_image_search
  - brave_local_search
  - brave_summarizer
metadata:
  version: "2.0.0"
  author: "Digital Ray"

Web Research(联网检索)

功能概述

通过 Brave Search MCP 工具进行联网检索,获取最新信息并引用来源,然后基于检索到的证据进行推理回答。

使用时机

当用户需要以下内容时使用此技能:

  • 时效性信息:新闻、发布公告、价格、政策、时间线
  • 事实核查:需要引用可信来源验证的信息
  • 产品/技术对比:需要查阅官方文档或评测
  • 查找资源:官方文档、GitHub issues/PRs、RFC、博客文章
  • 本地商户:餐厅、服务、地点查询(需 Pro 计划)
  • 人物/公司动态:名人言论、公司新闻、社交媒体动态

不要使用:当用户明确禁止联网,或问题完全基于已有上下文可回答时。

可用工具(Brave MCP)

工具用途何时使用
brave_web_search通用网页搜索默认首选,大多数查询
brave_news_search新闻搜索时事、突发新闻、近期事件、人物动态
brave_video_search视频搜索查找教程、演示、讲座视频
brave_image_search图片搜索查找图片、设计参考、图表
brave_local_search本地商户搜索"附近的..."、特定地点查询(需 Pro)
brave_summarizerAI 摘要需要快速概览时(需 Pro AI 订阅)

执行流程(必须遵循)

第 1 步:需求分析与查询规划

  • 分析用户问题,确定:
    • 查询类型:新闻/技术/事实核查/对比/人物动态
    • 时间范围:是否需要限定时效性
    • 结果数量:用户要求的 Top N 条
    • 语言偏好:中文/英文/混合
  • 对于复杂查询,拆分为多个子查询并行执行

第 2 步:执行搜索(支持并行)

基础调用模板

code
brave_web_search:
  query: "精准搜索关键词"
  count: 10-20(根据需要调整,建议多取后筛选)
  freshness: 按需设置
    - pd = 24小时内
    - pw = 7天内  
    - pm = 31天内
    - py = 365天内

并行搜索策略

  • 新闻类查询:同时调用 brave_web_search + brave_news_search
  • 人物动态:多角度查询(姓名+公司、姓名+最新、姓名+争议等)
  • 技术调研:官方源+社区评测+基准测试分开查询

查询优化与迭代策略

当首次搜索结果质量不足时,按以下优先级逐步优化:

优化级别策略适用场景
L1 精确化添加引号强制精确匹配,增加 site: 限定结果太泛,噪音多
L2 扩展化移除限定词,使用同义词/别名结果太少或为零
L3 语言切换中→英 或 英→中 重试局部语言覆盖不足
L4 时间调整扩大 freshness 范围时效性要求可放宽时
L5 工具切换改用 news/video/local 专项工具通用搜索未命中

迭代终止条件

  • 已获取 ≥ 3 条高质量结果(评分 ≥ 7)
  • 或迭代 ≥ 3 轮仍无新增有效结果(应告知用户信息有限)

第 3 步:筛选与评估证据

来源可信度排序(高到低):

  1. 官方来源:官网、官方博客、官方社交账号
  2. 权威媒体:Reuters、BBC、WSJ、The Verge、TechCrunch 等
  3. 专业社区:GitHub、Stack Overflow、Hacker News
  4. 技术博客:知名个人博客、Medium 技术文章
  5. 其他来源:需交叉验证

结果质量评分框架(每条结果 0-10 分):

维度权重评分标准
相关性30%0=无关, 5=部分相关, 10=精准匹配用户意图
权威性25%基于来源可信度排序,官方=10, 权威媒体=8, 社区=6, 其他=3
时效性20%24h内=10, 7天内=8, 30天内=5, 更早=2
内容深度15%简讯=2, 详细报道=6, 深度分析=10
独立性10%独家信息=10, 有新视角=6, 重复信息=0

综合评分 = Σ(维度得分 × 权重),优先展示评分 ≥ 7 的结果。

筛选原则

  • 重要信息至少 2 个独立来源 交叉验证
  • 注意发布日期,标注信息时效性
  • 来源冲突时,优先信任更权威/更新的来源
  • 去重策略
    • 内容重复率 > 80% 的结果仅保留评分最高者
    • 同一事件的多篇报道合并为一条,注明覆盖源数量

第 4 步:分析与排序

重要性评估维度

  • 影响范围:全球性 > 区域性 > 局部
  • 时效性:突发 > 近期 > 历史
  • 相关性:直接相关 > 间接相关
  • 可信度:多源验证 > 单一来源

当用户要求 "Top N" 或 "前X条" 时,严格按重要性排序输出。

第 5 步:结构化输出


输出格式模板

模板 A:Top N 列表型(新闻/动态/要点汇总)

markdown
## [主题] - Top N 要点

### 1. [要点标题]
**重要性**:[高/中/低] | **时间**:[日期]

[2-3句核心内容描述]

> 关键引用或数据(如有)

**来源**:[来源名称](URL)

---

### 2. [要点标题]
...

---

### 3. [要点标题]
...

---

## 补充说明
[对整体情况的简要分析,指出趋势或需要关注的点]

## 参考来源
| # | 来源 | 类型 | 可信度 |
|---|------|------|--------|
| 1 | [来源名](URL) | 官方/媒体/社区 | 高/中 |
| 2 | [来源名](URL) | ... | ... |

模板 B:问答型(事实核查/技术问题)

markdown
## 回答

[直接回答用户问题,1-2段]

## 关键事实
- **事实1**:[内容] ([来源](URL))
- **事实2**:[内容] ([来源](URL))
- ...

## 详细说明
[基于检索证据的深入分析]

## 来源列表
1. [来源标题](URL) - [简要说明]
2. ...

模板 C:对比型(产品/技术对比)

markdown
## [A] vs [B] 对比分析

| 维度 | [A] | [B] | 来源 |
|------|-----|-----|------|
| 性能 | ... | ... | [1] |
| 价格 | ... | ... | [2] |
| ... | ... | ... | ... |

## 详细对比

### [维度1]
[详细分析...]

### [维度2]
[详细分析...]

## 结论
[综合建议]

## 参考来源
1. [来源](URL)
2. ...

搜索参数配置

参数默认值说明
countryUS如用户指定地区则修改,中国用户可用 CN
search_langen中文查询用 zh-hans,技术查询建议 en
ui_langen-US中文环境可用 zh-CN
safesearchmoderate过滤成人内容
count15建议多取后筛选,提高覆盖率
freshness(按需)时效性查询必须设置

使用示例

示例 1:人物动态(Top N 型)

用户:「最近一周 Elon Musk 的核心言论,按重要性列出前3点」

执行

  1. 并行搜索:
    • brave_news_search(query="Elon Musk statements this week", count=15, freshness="pw")
    • brave_web_search(query="Elon Musk latest news January 2026", count=15, freshness="pw")
    • brave_news_search(query="Elon Musk Tesla SpaceX xAI news", count=10, freshness="pw")
  2. 合并去重,按影响力/时效性/争议性评估
  3. 使用 模板 A 输出 Top 3

示例 2:技术调研

用户:「帮我查一下 yt-dlp 最新版本有什么新功能」

执行

  1. 搜索:
    • brave_web_search(query="yt-dlp latest release changelog", count=10, freshness="pm")
    • brave_web_search(query="yt-dlp github releases 2026", count=5)
  2. 优先引用 GitHub releases 官方页面
  3. 使用 模板 B 输出

示例 3:事实核查

用户:「Python 3.12 是什么时候发布的?」

执行

  1. brave_web_search(query="Python 3.12 release date official site:python.org", count=5)
  2. 交叉验证其他来源
  3. 使用 模板 B 输出,标注官方来源

示例 4:产品对比

用户:「对比一下 Whisper 和 faster-whisper 的性能差异」

执行

  1. 并行搜索:
    • brave_web_search(query="whisper vs faster-whisper benchmark comparison", count=10)
    • brave_web_search(query="faster-whisper performance speed memory usage", count=8)
    • brave_web_search(query="openai whisper accuracy benchmark", count=5)
  2. 综合基准测试数据
  3. 使用 模板 C 输出对比表格

错误处理

情况处理方式
搜索无结果尝试:1. 换关键词 2. 扩大时间范围 3. 用英文重试
来源冲突明确指出冲突,解释为何选择某来源
信息过时标注发布日期,提醒用户注意时效
结果不足告知用户已获取的信息量,建议补充查询方向

重要原则

  1. 始终引用来源(强制要求)
    • 每个关键事实必须有出处链接,无例外
    • 引用格式:[来源简称](完整URL)([来源](URL))
    • 禁止:仅提及来源名称而不附带链接
    • 要求
      • 数据/统计 → 必须链接原始报告或数据源
      • 引用语句 → 必须链接包含该语句的页面
      • 技术细节 → 必须链接官方文档或权威技术文章
    • 示例
      • ✅ 正确:根据 TechCrunch 报道, SpaceX 完成了第100次发射
      • ❌ 错误:根据 TechCrunch 报道, SpaceX 完成了第100次发射
  2. 区分事实与推测:明确标注「检索事实」vs「分析推断」
  3. 注意时效性:所有来源标注日期,过时信息明确提醒
  4. 重要性排序:当用户要求 Top N 时,严格按评估维度排序
  5. 并行高效:多个独立查询应并行执行,减少等待时间
  6. 语言适配
    • 中文问题 → 优先返回中文结果
    • 技术/国际话题 → 英文搜索可能更全面
    • 可混合使用,取最优结果
  7. 引用链接质量检查
    • 确保每个 URL 有效(来自搜索结果)
    • 优先引用永久链接(避免临时/动态链接)
    • 对于 GitHub:链接到具体 commit/tag/release(非 main 分支)