XCrawl 搜索技能 Skill 技能

技能简介

XCrawl Search 是一款面向 AI 编程助手的网页检索技能，同时支持 Claude、Codex 与 Claude Code 三种 Agent 环境。它把「搜索」从模型临场发挥，收敛成一套有明确参数边界、请求结构与输出约定的标准流程：关键词怎么写、地区与语言如何设定、结果条数从多少起步、API 密钥放在哪里、请求用什么方式发出、原始返回体如何如实回传，都固化为可复用的操作规范。

该技能采用 MIT 协议开源，作者为 XCrawl 官方团队，源码托管在 GitHub 的 xcrawl-api/xcrawl-skills 仓库，并在 Skillstore 上完成静态安全审计——结论为未发现提示词注入、越权收集凭据或隐式数据外传行为。

与泛泛而谈的「联网搜索」提示词不同，本技能强调工程可控性：默认输出原始响应而非自动生成的结论摘要，每条结果都保留出处，只有使用者明确要求时才额外生成相关性归纳。这种「先给证据、再给判断」的设计，正是它适合进入严谨研究流程的原因。

核心能力

• 标准化检索请求构造：把自然语言主题转成符合 XCrawl 接口规范的关键词请求，明确 query、location、language、limit 的填法，避免拼出无效请求。

• 精细化参数控制：支持设置检索地区与语言（可指定 ISO 语言代码），结果条数限制在 1 至 100 之间，可先小批量验证再逐步放量。

• 本地密钥托管：从本地 JSON 配置文件读取 XCrawl API Key，不要求把凭据写进提示词或命令行参数。

• 双通道请求执行：既支持用 cURL 发起符合文档约定的请求，也支持 Node.js 方式调用，便于脚本化流程复用。

• 全量原始响应回传：完整返回请求端点、参数、原始响应体与失败详情，不做截断包装，方便下游程序解析。

• 按需生成相关性摘要：只有使用者明确要求时，才基于已返回的证据生成相关性归纳，摘要与原始响应分开呈现。

• 额度与错误可见：检索完成后给出额度消耗与错误详情，便于评估成本并发现失败。

安装配置

1. 准备 XCrawl 账号与额度：到 XCrawl 官方站点注册账号并确认有可用额度，技能的所有检索动作都会实际消耗额度。

2. 安装技能本体：在终端执行 npx skillstore add xcrawl-api/xcrawl-search，把技能写入本地的 Claude、Codex 或 Claude Code 技能目录。

3. 配置本地密钥文件：在本地创建 JSON 配置文件，写入 XCrawl API Key 与端点信息。该文件属本地凭据，不要提交代码仓库，也不要粘贴进对话内容。

4. 核对运行环境：确认本机已安装 cURL 或 Node.js 中至少一种，并且当前网络可以正常访问 XCrawl 服务地址。

5. 先跑一次小规模验证：用 limit=5 的小请求做连通性测试，确认鉴权正常、额度充足、返回结构符合预期后再进入正式流程。

使用步骤

1. 明确检索目标：用一句话说清检索主题、目标受众与预期用途，例如「检索工业质检领域的论文与行业报告，用于技术选型综述」。

2. 显式给出检索参数：确定关键词、地区、语言与首轮结果条数。首轮建议 5 至 10 条，先看质量再决定是否扩大。

3. 执行检索并观察原始返回：调用技能发起请求，拿到完整的请求端点、参数、原始响应体与额度消耗。若返回报错，先读错误详情而非反复重试。

4. 逐条判断来源价值：基于返回结果中的真实信息筛选可用来源，把结论与原始响应分开记录，不要把摘要本身当成证据。

5. 按需扩展与对比：确认额度消耗可接受后扩大检索范围，或对同一主题换用不同地区与语言做对照检索，比较覆盖差异。

6. 归档证据：把最终采用的检索参数与原始响应片段一并留档，便于日后复核结论出自哪批证据。

适用场景

• 技术选型前的资料调研：为某技术方向检索公开资料，形成带出处的候选清单。
• 区域化内容检索：对同一主题在不同地区、不同语言下检索，补充本地化视角。
• 接口联调前的响应探查：正式接入前先用小规模请求观察字段结构、错误格式与额度消耗规律。
• 研究流程中的证据补充：在已有分析框架中，为某一论断补充可追溯的外部来源。

适用人群

• 需稳定、可复现联网检索能力的技术写作者与研究员；
• 正在做产品或技术选型、需保留检索证据链的工程师；
• 需批量检索并严格控制额度消耗的运营与增长团队；
• 需在 Agent 流程中固化检索规范、把「随手搜一下」变成标准动作的团队。

工作原理

技能本身不内置搜索引擎，而是把 XCrawl 官方搜索接口包装成一套可被 Agent 稳定调用的动作。执行时，技能先读取本地 JSON 配置取得鉴权信息，再按接口约定拼装请求参数，通过 cURL 或 Node.js 两条通道之一发出网络请求，随后把返回的原始响应体、失败详情与额度信息原样交回。流程的关键设计是「证据优先」：默认不生成结论性文字，所有推断都必须由使用者显式触发，并被要求与原始响应分开呈现，从而避免检索工具变成无法追溯的信息黑洞。

官方链接

• 技能主页：https://skillstore.io/skills/xcrawl-api-xcrawl-search
• 技能清单：https://skillstore.io/api/skills/xcrawl-api-xcrawl-search/manifest
• 源码仓库：https://github.com/xcrawl-api/xcrawl-skills