入门
基于 Tavily / Exa / SearXNG / Serper / SerpAPI / Brave Search 官方文档（2026 年）编写
速查
- Tavily：
POST https://api.tavily.com/search，参数query/search_depth（basic/advanced）/max_results/include_answer/topic（general/news/finance），返回带answer字段 - Exa：
POST https://api.exa.ai/search，参数query/numResults/type（auto/neural/keyword）/contents（text/highlights/summary），语义搜索 - Serper：
POST https://google.serper.dev/search，参数q/num/gl/hl/page，返回organic数组 - SerpAPI：与 Serper 类似，参数更全（engine 等），有 dashboard
- Brave Search：
POST /res/v1/web/search，参数q/count/country/search_lang/summary - SearXNG：自部署，
/search?format=json&q=...，聚合 Google/Bing/DuckDuckGo - Tavily basic = 1 credit，advanced = 2 credit
Tavily 第一次调用
bash
curl -X POST https://api.tavily.com/search \
-H "Content-Type: application/json" \
-d '{
"api_key": "tvly-xxx",
"query": "Vercel AI SDK v7 主要变化",
"search_depth": "advanced",
"include_answer": true,
"max_results": 5
}'Python SDK：
python
from tavily import TavilyClient
tavily = TavilyClient(api_key="tvly-xxx")
response = tavily.search(
query="Vercel AI SDK v7 主要变化",
search_depth="advanced",
include_answer=True,
max_results=5,
)
print(response["answer"]) # LLM 生成的答案摘要
for r in response["results"]:
print(r["title"], r["url"], r["content"])关键参数
| 参数 | 取值 | 含义 |
|---|---|---|
query | string | 必填 |
search_depth | basic / advanced / fast / ultra-fast | basic = 1 credit（单 NLP 摘要/URL），advanced = 2 credit（多片段） |
max_results | 0-20 | 默认 5 |
include_answer | bool / basic / advanced | 是否返回 LLM 答案 |
include_images | bool | 含图 |
topic | general / news / finance | 搜索类别 |
chunks_per_source | int | advanced 时每个 URL 返回的片段数 |
basic vs advanced
- basic（1 credit）：每个 URL 返回 1 个 NLP 摘要，延迟低，适合快速查询
- advanced（2 credit）：每个 URL 返回多个相关文本片段（
chunks_per_source），相关性最高但延迟增加
Exa 第一次调用
bash
curl -X POST https://api.exa.ai/search \
-H "x-api-key: exa-xxx" \
-H "Content-Type: application/json" \
-d '{
"query": "how to build RAG with TypeScript",
"numResults": 5,
"type": "auto",
"contents": {
"text": { "maxCharacters": 1000 },
"highlights": { "numSentences": 3 },
"summary": { "query": "TypeScript RAG implementation" }
}
}'Python SDK：
python
from exa_py import Exa
exa = Exa(api_key="exa-xxx")
response = exa.search_and_contents(
"how to build RAG with TypeScript",
num_results=5,
type="neural",
text=True,
highlights=True,
summary={"query": "implementation details"},
)
for r in response.results:
print(r.title, r.url)
print(r.text[:200])search type
| type | 含义 |
|---|---|
auto | 默认，平衡质量与速度 |
neural | 神经搜索——基于嵌入向量匹配，关键词不重合也能找到 |
keyword | 传统关键词匹配 |
instant | 极速（chat 实时场景） |
fast | 高质量+低延迟（用户面向） |
deep-lite | 轻量研究（含 synthesis） |
deep | 多步综合研究 |
deep-reasoning | 复杂分析推理 |
神经 vs 关键词
- neural：把 query 编码成向量，与网页内容向量比对。适合「我想找关于 X 的资料但不知道确切词」
- keyword：传统 BM25 类似，要求字面命中
- auto：Exa 自动选择
Serper 第一次调用
bash
curl -X POST https://google.serper.dev/search \
-H "X-API-KEY: serper-xxx" \
-H "Content-Type: application/json" \
-d '{"q": "Vercel AI SDK", "num": 10, "gl": "us", "hl": "en"}'返回：
json
{
"organic": [
{"title": "...", "link": "https://...", "snippet": "...", "position": 1},
...
],
"knowledgeGraph": {...},
"peopleAlsoAsk": [...],
"relatedSearches": [...]
}参数：
| 参数 | 含义 |
|---|---|
q | 查询（必填） |
num | 结果数 |
gl | 国家（如 us / cn） |
hl | 语言（如 en / zh） |
page | 分页 |
tbs | 时间范围（如 qdr:d 24 小时内） |
不同端点
| 端点 | 用途 |
|---|---|
/search | 通用搜索（organic） |
/news | 新闻 |
/images | 图片 |
/videos | 视频 |
/places | 地图地点 |
/scholar | 学术 |
SerpAPI
API 与 Serper 类似，差异：
| 维度 | Serper | SerpAPI |
|---|---|---|
| 端点 | google.serper.dev | serpapi.com/search.json |
| 风格 | POST + JSON body | GET + query string |
| 引擎 | 仅 Google | 多引擎（Google/Bing/Baidu/Yandex/...） |
| Dashboard | 简单 | 功能全（保存查询 / 导出） |
| 价格 | $0.30/1k（最便宜） | $50/月 起 5000 次 |
| 适合 | 极致便宜 | 多引擎 + 可视化 |
Brave Search API
bash
curl -X POST 'https://api.search.brave.com/res/v1/web/search' \
-H 'X-Subscription-Token: brave-xxx' \
-H 'Accept: application/json' \
-d '{"q": "Vercel AI SDK", "count": 10, "country": "US", "search_lang": "en"}'特点：
- 独立 Web 索引（不依赖 Google）—— 单点故障风险低
- 参数：
q/count/country（2 字母）/search_lang/summary - 端点：
/res/v1/web/search、/res/v1/news/search、/res/v1/images/search - offset 最大 9（分页）
SearXNG 自部署
Docker 一键部署
yaml
# docker-compose.yml
services:
searxng:
image: searxng/searxng:latest
ports:
- "8080:8080"
volumes:
- ./searxng:/etc/searxng
environment:
- SEARXNG_BASE_URL=http://localhost:8080/开启 JSON API：编辑 settings.yml：
yaml
search:
formats:
- html
- json调用
bash
curl 'http://localhost:8080/search?q=Vercel+AI+SDK&format=json&engines=google,bing,duckduckgo'返回聚合结果。可指定 engines / categories / language / time_range。
优势
- 完全开源，自部署，无 API key、无配额
- 聚合 70+ 搜索引擎（Google / Bing / DuckDuckGo / Wikipedia / GitHub / ...）
- 大陆可达（自部署在境内 VPS）
- 隐私友好（不记录 IP）
劣势
- 自部署运维（更新 / 防爬）
- 上游引擎反爬时该源失败
- 性能取决于上游
与传统搜索对比
| 维度 | 传统 Google/Bing | AI 搜索 API |
|---|---|---|
| 输出 | HTML 页面 | 结构化 JSON |
| 答案 | SERP 摘要 | LLM 生成答案（Tavily） |
| 广告 | 多 | 无 |
| 语义理解 | 关键词 | 神经匹配（Exa） |
| 计费 | 免费（网页） | 按 API 调用 |
| 集成 | 需爬虫解析 | SDK 直接用 |
| 数据新鲜度 | 实时 | 缓存层（几小时延迟） |
LangChain / LlamaIndex 集成
python
from langchain_community.tools.tavily_search import TavilySearchResults
from langchain_community.utilities import GoogleSerperAPIWrapper
tool = TavilySearchResults(max_results=5)
results = tool.invoke("Vercel AI SDK v7")
serper = GoogleSerperAPIWrapper()
results = serper.results("Vercel AI SDK")LangChain 内置 Tavily / Serper / Brave / Searx / SerpAPI 等多个 Search Tool wrapper。