Tavily

Tavily 是面向 AI Agent 与 RAG 工作流的托管式网页访问 API。它不只提供搜索结果，还把网页内容提取、站点 URL 发现、多页抓取和深度研究放在同一产品入口中。它适合希望用统一 API 获取实时网页证据、又不想自行维护搜索索引和浏览器抓取基础设施的开发者；但不同端点解决的问题并不相同，接入前应先从任务输出倒推。

五个端点不是一回事

选择时不要因为产品同时拥有这些入口，就默认每次任务都要全部调用。已知单页只需要 Extract；未知来源先 Search；文档站导入才考虑 Map 与 Crawl；需要跨来源综合时再评估 Research。官方计费文档当前把 basic Search 记为每次 1 credit、advanced Search 记为每次 2 credits；Extract 则按成功提取的 URL 数量分组计费，basic 每 5 个成功 URL 为 1 credit，失败提取不计费。成本记录应同时保存端点、深度、成功 URL 数和重试，而不是只数 HTTP 请求次数。

RAG 从范围控制开始

为知识库导入文档站时，先用 Map 了解 URL 结构，再限制路径、深度和页数，最后让 Crawl 读取真正需要的页面。这样比从首页无限扩散更容易控制重复页面、语言版本、标签归档和失败重试。入库前仍要自行完成去重、分块、元数据、更新时间和来源 URL 保存，Tavily 不是向量数据库，也不会替代知识库质量验收。

Agent 先用 Search 与 Extract

Agent 需要回答当前问题时，可以先用 Search 找候选来源，再对少量高相关 URL 使用 Extract，保留原始链接供引用和复核。若任务只需要一个已知页面，直接 Extract 通常比启动整站 Crawl 更简单。网页内容仍可能包含提示注入、错误信息或过期事实，因此模型输出前需要来源过滤、内容隔离和人工可追溯记录。

Research 不是抓取别名

Research 属于更上层的调查流程：系统围绕问题检索、读取并综合多个来源。它适合需要多来源证据的研究型任务，但不等于“把某个站点全部下载下来”。若目标是建立可重复更新的文档语料，Map/Crawl 更容易限定范围；若目标是回答一个跨站问题，Research 才可能减少上层编排工作。

接入前确认责任边界

• 访问授权：只处理公开且允许访问的页面，不把 API 当作绕过登录、验证码、付费墙或站点限制的工具。
• 数据外发：确认 URL、查询词、页面内容和潜在个人信息是否可以发送给第三方服务。
• 密钥管理：API Key 只放在服务端或受控密钥系统中，不写入前端代码、日志样例或公开仓库。
• 易变字段：额度、套餐、参数和端点能力应以当前控制台与官方文档为准，不照搬旧教程。

Tavily 将 Search、Extract、Map、Crawl 与 Research 放在统一 API 中，但每个端点解决的问题不同。可先比较 Tavily 与其他 AI、RAG 网页数据工具，按最低必要能力选择入口，再用相同样本检查可交付结果、来源保留和失败记录。

怎样做小规模验证

1. 准备一篇静态文章、一个 JavaScript 页面和一个结构清晰的文档站。
2. 分别记录 Search 的来源相关性、Extract 的正文完整度，以及 Map/Crawl 的重复 URL 和失败页。
3. 保存请求日期、参数、证据 URL、缺失字段、重试次数和人工修正时间。
4. 确认输出满足任务后再扩大页数，并设置预算、超时和停止条件。

Tavily 的价值在于把搜索与网页访问能力做成适合 Agent 调用的统一入口，而不是保证所有网站都能无条件读取。正式接入前应以官方 API 文档核对当前端点、参数、计费和数据政策。官网：https://tavily.com/；文档：https://docs.tavily.com/documentation/api-reference/introduction