Build Firecrawl Search Workflows

技能简介 Build Firecrawl Search Workflows 是由 Firecrawl 官方推出的 Skillstore 技能，专为需要大规模网页信息挖掘的 AI 编码助手工作流设计。该技能指导 Claude、Codex 和 Claude Code 如何在执行抓取任务之前，先通过 Firecrawl 的 /search 接口进行来源发现，从而避免盲目抓取、降低 API 成本、提升结果质量。 核心能力 搜索优先工作流：引导 AI 在抓取之前先执行搜索，找到权威信息源再决定是否深入提取。 结果筛选与排序：帮助 AI 从搜索返回的多个结果中选取高相关性页面，避免对所有结果无差别抓取。 成本与延迟控制：通过选择性跟进去重（Selective Follow-up Extraction）减少不必要的 API 调用。 多阶段路由决策：明确告知 AI 何时该用搜索、何时该直接抓取、何时该进行页面交互。 语言无关集成指导：提供 Firecrawl 各语言 SDK 的文档指引，不绑定特定技术栈。 引用与研究链路：将搜索结果映射为短列表，供下游引用、研究和抓取使用。 安装配置 前提条件：已安装 Node.js 环境（npx 需要 Node 16+）。 安装命令：npx skillstore add firecrawl/firecrawl-build-search 依赖服务：需要有效的 Firecrawl API Key（支持 hosted 模式），通过环境变量注入而非硬编码。 环境变量示例：export FIRECRAWL_API_KEY=your_key_here 工具兼容性：支持 Claude、Codex、Claude Code 以及其他兼容 Skillstore 协议的消费方。 使用步骤 决策阶段：当需要从用户查询出发找到信息源时，调用 Firecrawl /search 而非直接抓取。 搜索执行：向 Firecrawl API 提交查询，获取包含 URL、标题、摘要的搜索结果列表。 结果筛选：根据相关性、权威性和新鲜度，从搜索结果中选取最值得跟进的页面。 选择性提取：仅对筛选后的页面执行内容提取（scrape），而非对全部结果灌水。 引用返回：将提取内容与对应搜索结果关联，为下游任务提供可溯源的引用链路。 适用场景 搜索增强答案：在 RAG（检索增强生成）场景中，先搜索再提取，确保引用来源可靠。 竞品调研自动化：对多个竞品页面发起搜索，从结果中选取核心页面进行结构化提取。 新闻与资讯聚合：对特定话题执行搜索，将最新资讯页面作为输入触发后续分析。 技术文档挖掘：先搜索官方文档相关页面，再选择性提取，减少对无关页面的请求。 学术资料收集：通过搜索定位高权重论文页面，再进行摘要提取与引用。 适用人群 AI 应用开发者：构建搜索增强型 AI 产品，需要可靠的信息获取管线。 数据工程师：搭建大规模网页采集管线，需要控制成本与质量。 研究分析师：需要从网络上系统性地收集某一领域的高质量参考资料。 工作原理 该技能本身为纯提示型 Skill，不含可执行代码。其核心机制是在 AI 编码助手内部建立一套搜索→筛选→提取→引用的决策框架： Query-First 决策：AI 接收到任务时，首先判断是否需要先搜索发现来源。 Search Discovery：调用 Firecrawl /search 接口，传入查询词获取结构化结果。 Result Selection：基于相关性评估，从结果列表中选取 Top-N 值得跟进的页面。 Selective Extraction：仅对被选中的页面执行内容抓取，避免无差别请求。 Citation Mapping：将提取内容与搜索结果关联，形成可溯源的引用记录供下游使用。 官方链接 技能主页：https://skillstore.io/skills/firecrawl-firecrawl-build-search GitHub 仓库：https://github.com/firecrawl/skills/tree/main/skills/firecrawl-build-search/