网络搜索 API (Exa)

为 AI Agent 设计的神经网络搜索引擎。通过神经嵌入进行语义排序（不仅仅是关键词匹配），发现相似页面用于竞品研究，全文页面内容提取，以及带来源引用的 AI 综合回答。按类别过滤：公司、研究论文、新闻、GitHub、Twitter 等。

基础 URL： https://api.jarvisclaw.ai/v1/marketplace/exa

认证

两种方式均支持：

方式	Header	描述
API Key	`Authorization: Bearer sk-...`	平台自动从你的 HD 钱包签名 x402
私钥 (x402)	SDK 自动处理	Agent 直接用自己的钱包签名 x402

定价

参考价（每次请求）。精确扣费金额请读响应中的 price.amount。

端点	价格	描述
`/search`	$0.012/次	神经语义搜索
`/contents`	$0.004/次	提取页面全文内容
`/find-similar`	$0.012/次	发现相似页面（暂未开放）
`/answer`	$0.012/次	AI 综合回答 + 来源引用
`/highlights`	$0.002/次	相关段落抽取

端点

方法	端点	描述
POST	/search	语义搜索
POST	/contents	提取页面内容
POST	/answer	AI 综合回答
POST	/find-similar	查找相似页面（暂未开放，返回 `404`）

POST /search

使用神经嵌入进行语义搜索。比传统关键词搜索更准确地理解查询意图。

参数

参数	类型	必填	描述
`query`	string	是	搜索查询（自然语言或关键词）
`num_results`	integer	否	结果数量。默认：10，最大：30
`type`	string	否	搜索类型：`neural`（默认）、`keyword`、`auto`
`category`	string	否	类别过滤：`company`、`research_paper`、`news`、`github`、`tweet`、`pdf`、`personal_site`
`include_domains`	string[]	否	仅搜索这些域名
`exclude_domains`	string[]	否	排除这些域名
`start_published_date`	string	否	发布日期起始（ISO 8601）
`end_published_date`	string	否	发布日期截止（ISO 8601）
`include_text`	string	否	页面必须包含的文本
`exclude_text`	string	否	页面不能包含的文本

响应

json

{
  "results": [
    {
      "title": "Understanding Transformer Architecture",
      "url": "https://example.com/transformers-explained",
      "published_date": "2026-05-15",
      "author": "Dr. Smith",
      "score": 0.95,
      "snippet": "Transformers use self-attention mechanisms to process sequential data..."
    }
  ],
  "autoprompt_string": "Here is a research paper about transformer architecture:",
  "total": 10
}

POST /contents

提取一个或多个 URL 的全文内容。适用于 RAG（检索增强生成）管道。

参数

参数	类型	必填	描述
`ids`	string[]	是	要提取内容的 URL 列表
`text`	boolean	否	返回纯文本内容。默认：true
`highlights`	boolean	否	返回关键段落高亮。默认：false

字段名是 ids，不是 urls

Exa 把这个字段命名为 ids，尽管它装的是 URL。两个 SDK 都发送 ids；传 urls 取不到内容。

响应

json

{
  "results": [
    {
      "id": "https://example.com/transformers-explained",
      "url": "https://example.com/transformers-explained",
      "title": "Understanding Transformer Architecture",
      "text": "Full article text here... The transformer model was introduced in 2017...",
      "publishedDate": "2026-05-10T00:00:00Z"
    }
  ]
}

结果在 results 数组里。Python SDK 的 contents() 读取 results（回退到 data），因此不要按 contents 解析。

POST /find-similar 暂未开放

给定一个 URL，发现内容相似的页面。适用于竞品分析和相关内容推荐。

该端点尚不可用

上游供应商未注册此端点，调用会返回 404。可用 /search 配合描述性查询作为替代。

参数

参数	类型	必填	描述
`url`	string	是	源 URL（必须是公开可访问的）
`num_results`	integer	否	结果数量。默认：10
`category`	string	否	类别过滤
`include_domains`	string[]	否	仅搜索这些域名
`exclude_domains`	string[]	否	排除这些域名

响应

json

{
  "results": [
    {
      "title": "Attention Is All You Need - Original Paper",
      "url": "https://arxiv.org/abs/1706.03762",
      "score": 0.92,
      "snippet": "We propose a new simple network architecture, the Transformer..."
    },
    {
      "title": "BERT: Pre-training Deep Bidirectional Transformers",
      "url": "https://arxiv.org/abs/1810.04805",
      "score": 0.88,
      "snippet": "We introduce BERT, which stands for Bidirectional Encoder Representations..."
    }
  ]
}

POST /answer

基于搜索结果的 AI 综合回答。自动搜索、阅读相关页面并生成带来源引用的答案。

参数

参数	类型	必填	描述
`query`	string	是	问题（自然语言）

响应

json

{
  "answer": "检索增强生成（RAG）是一种结合信息检索和文本生成的AI技术。它先从外部知识库中检索相关文档，然后将检索到的上下文与用户查询一起输入到语言模型中生成答案。这种方法解决了LLM的知识截止问题，使模型能够访问最新信息...",
  "sources": [
    {
      "url": "https://example.com/rag-explained",
      "title": "What is Retrieval Augmented Generation?",
      "snippet": "RAG combines retrieval and generation..."
    },
    {
      "url": "https://example.com/rag-implementation",
      "title": "Building a RAG Pipeline",
      "snippet": "The key components of a RAG system..."
    }
  ]
}

代码示例

cURLPython (API Key)Python (x402 Agent)

bash

# 语义搜索
curl -X POST https://api.jarvisclaw.ai/v1/marketplace/exa/search \
  -H "Authorization: Bearer sk-your-api-key" \
  -H "Content-Type: application/json" \
  -d '{
    "query": "latest advances in AI agents for software development",
    "num_results": 5,
    "category": "research_paper",
    "start_published_date": "2026-01-01"
  }'

# 提取页面内容（字段是 "ids"，不是 "urls"）
curl -X POST https://api.jarvisclaw.ai/v1/marketplace/exa/contents \
  -H "Authorization: Bearer sk-your-api-key" \
  -H "Content-Type: application/json" \
  -d '{
    "ids": ["https://example.com/article1", "https://example.com/article2"],
    "highlights": true
  }'

# 相似页面发现（暂未开放，会返回 404）
# curl -X POST https://api.jarvisclaw.ai/v1/marketplace/exa/find-similar \
#   -H "Authorization: Bearer sk-your-api-key" \
#   -H "Content-Type: application/json" \
#   -d '{"url": "https://stripe.com", "num_results": 10}'

# AI 综合回答
curl -X POST https://api.jarvisclaw.ai/v1/marketplace/exa/answer \
  -H "Authorization: Bearer sk-your-api-key" \
  -H "Content-Type: application/json" \
  -d '{"query": "What is retrieval augmented generation and how does it work?"}'

python

import requests

BASE = "https://api.jarvisclaw.ai/v1/marketplace/exa"
HEADERS = {
    "Authorization": "Bearer sk-your-api-key",
    "Content-Type": "application/json",
}

# 1. 语义搜索
resp = requests.post(f"{BASE}/search", headers=HEADERS, json={
    "query": "AI agent frameworks for autonomous coding",
    "num_results": 5,
    "category": "github",
})
results = resp.json()["results"]
for r in results:
    print(f"[{r['score']:.2f}] {r['title']}")
    print(f"  {r['url']}")

# 2. 提取全文内容（用于 RAG）—— 字段是 "ids"
resp = requests.post(f"{BASE}/contents", headers=HEADERS, json={
    "ids": [r["url"] for r in results[:3]],
    "highlights": True,
})
for content in resp.json().get("results", []):
    print(f"\n--- {content.get('title')} ---")
    print(content.get("text", "")[:200] + "...")

# 3. AI 综合回答
resp = requests.post(f"{BASE}/answer", headers=HEADERS, json={
    "query": "什么是检索增强生成，它是如何工作的？",
})
data = resp.json()
print(f"\n回答: {data['answer']}")
for source in data["sources"]:
    print(f"  来源: {source['url']}")

python

from jarvisclaw import SearchClient

# --- 方式 A: Base 链 (EVM) ---
# 十六进制私钥 -> Base 上的 USDC (Chain ID 8453)
search = SearchClient(private_key="0x<evm-private-key>")

# --- 方式 B: Solana ---
# Base58 密钥对 -> Solana 主网上的 USDC SPL
# search = SearchClient(private_key="<base58-keypair>")
# SDK 从密钥格式自动识别链，无需额外参数

# 通用搜索 —— 方法名是 query()，走 /v1/search，返回 AI 摘要
for r in search.query("autonomous AI agents that can write and deploy code", num_results=5):
    print(f"{r.title}: {r.snippet[:80]}")

# 提取内容 —— contents() 接收 URL 列表（内部发送为 ids）
for c in search.contents(["https://example.com/article1"]):
    print(c)

# 相似页面（暂未开放，调用会返回 404）
# similar = search.find_similar("https://github.com/langchain-ai/langchain", num_results=5)

# 需要带 URL 的结构化结果，或 AI 回答，请直接调 Exa 端点：
import requests
HEADERS = {"Content-Type": "application/json"}
resp = requests.post(
    "https://api.jarvisclaw.ai/v1/marketplace/exa/answer",
    headers=HEADERS,
    json={"query": "What are the best practices for building RAG systems?"},
)
print(resp.json()["answer"])

SDK 只有 query()、contents()、find_similar() 三个方法

没有 search()、get_contents()、answer() 这些方法，也没有 solana_keypair 参数。 query() 走 /v1/search（智能路由摘要），返回的 SearchResult 常常 url="" —— 需要逐条 URL 请直接调用 POST /v1/marketplace/exa/search。

package main

import (
    "context"
    "fmt"
    jc "github.com/api-jarvisclaw/go-sdk/v2"
)

func main() {
    ctx := context.Background()
    mc, _ := jc.NewMarketplaceClient(jc.WithAPIKey("sk-your-api-key"))

    // 语义搜索
    results, _ := mc.Post(ctx, "exa", "/search", map[string]interface{}{
        "query":       "AI agent frameworks",
        "num_results": 5,
        "category":    "github",
    })
    fmt.Printf("搜索结果: %v\n", results["results"])

    // AI 回答
    answer, _ := mc.Post(ctx, "exa", "/answer", map[string]interface{}{
        "query": "What is RAG?",
    })
    fmt.Printf("回答: %s\n", answer["answer"])
}

package main

import (
    "context"
    "fmt"
    jc "github.com/api-jarvisclaw/go-sdk/v2"
)

func main() {
    ctx := context.Background()
    // x402 Agent 钱包 — 自动按次付费 USDC
    mc, _ := jc.NewMarketplaceClient(jc.WithPrivateKey("0x<evm-private-key>"))

    // 语义搜索
    results, _ := mc.Post(ctx, "exa", "/search", map[string]interface{}{
        "query":       "autonomous coding agents 2026",
        "num_results": 10,
    })
    fmt.Printf("结果: %v\n", results["results"])

    // 提取页面内容（字段是 ids）
    contents, _ := mc.Post(ctx, "exa", "/contents", map[string]interface{}{
        "ids": []string{"https://example.com/article"},
    })
    fmt.Printf("正文: %v\n", contents["results"])
}

:::

两套不同的搜索入口

本页记录的是 /v1/marketplace/exa/* 下的 Exa 端点，返回带独立标题、URL 和分数的结构化结果。

此外还有 POST /v1/search —— 即 model: auto/search 背后的智能路由入口。它返回带内联引用的 AI 摘要，而不是排序列表：

json

{
  "query": "...",
  "summary": "检索增强生成是……[1](https://example.com)……",
  "citations": [],
  "sources_used": 10
}

需求	使用
带 URL 和分数的排序链接	`POST /v1/marketplace/exa/search`
带引用的成文回答	`POST /v1/search` 或 `/v1/marketplace/exa/answer`

SDK 方法也沿这条线划分：SearchClient.query() 请求 /v1/search，而 contents() 和 find_similar() 请求 Exa 端点。详见智能路由 → auto/search。

限制

查询长度上限 10,000 字符 — 超过此长度的查询会被拒绝并返回 query_too_long
仅限公开页面 — 无法访问需要登录认证或付费墙后的内容
并发上限 — 大量并行调用可能返回 429，退避后重试即可
find-similar 暂未开放 — 上游未注册该端点，调用返回 404
answer 耗时 3-8 秒 — AI 综合步骤增加了额外延迟
非实时数据 — 搜索索引有 1-24 小时延迟，不适合实时新闻追踪

网络搜索 API (Exa) ​

认证 ​

定价 ​

端点 ​

POST /search ​

参数 ​

响应 ​

POST /contents ​

参数 ​

响应 ​

POST /find-similar 暂未开放 ​

参数 ​

响应 ​

POST /answer ​

参数 ​

响应 ​

代码示例 ​

两套不同的搜索入口 ​

限制 ​

网络搜索 API (Exa)

认证

定价

端点

POST /search

参数

响应

POST /contents

参数

响应

POST /find-similar 暂未开放

参数

响应

POST /answer

参数

响应

代码示例

两套不同的搜索入口

限制