Agentic Search API:搜索结果更准,Agent 少浪费 Token
用一句自然语言调用 POST /ask,决策模型选择引擎和时间范围,给每条结果打分,在交给 Agent 之前过滤掉不相关和重复的结果。目前使用的决策模型是 TypeSafe Jev。
接口POST https://api.search1api.com/ask
传入一句自然语言请求,返回切题、去重后的来源列表,Agent 少读无关内容、少花 Token。选引擎和给每条结果打分都由决策模型完成,目前使用 TypeSafe Jev。
从请求中得出搜索关键词和时间范围。
从支持的引擎中选最多 5 个并行搜索。
逐条打分,过滤不相关结果。
适合用于
LLM Agent 工具 / RAG 检索 / 社区调研
只把切题的结果交给 Agent
普通的搜索工具会把各个引擎排在前面的结果原样返回,不管相不相关,Agent 都要花 Token 读完,还常常要换几个引擎多搜几次。Ask 在一次调用里做完这些选择:像“开发者这个月怎么评价 Bun 1.3”这样的请求通常会被路由到 Hacker News、Reddit、X 和通用网页搜索引擎,并限定一个月;“投机解码的最新论文”会被路由到 arXiv。之后所有结果都按请求重新打分,低于 0.5 的被过滤,跨引擎重复的被合并,所以交给 LLM 的上下文更短,也更切题。
AI 意图识别
决策模型读取请求,确定搜索关键词和时间范围。
智能引擎路由
模型为 Google、Reddit、Hacker News、GitHub、arXiv、X、YouTube 等支持的引擎打分,选择最多 5 个并行搜索。
AI 结果重排序
模型为每条结果的相关度打分,低于 0.5 的结果被过滤,重复结果被合并,每条结果保留相关度分数。
固定 5 积分,含模型调用
每次完成的请求固定消耗 5 积分,与搜索了几个引擎无关;没有任何引擎完成时不扣费。
什么是决策模型,Agentic Search 为什么需要它?
决策模型不生成文本,而是用校准过的概率回答类型化的问题:是或否、从几个选项中选一个、匹配程度有多高。搜得好,本身就是一连串这样的决策。所以每次请求,Ask 都会向决策模型提问:哪个候选关键词最贴合用户本意(对 IMDb 这类目录型引擎,还会选出准确的名称)、各个支持的引擎与请求的匹配程度、请求是否隐含时间范围。这些答案决定意图识别和引擎路由。搜索完成后,再让模型判断每条返回结果是否在讲用户问的主题,这个概率就是用于重排序和过滤的相关度分数。因为模型返回的是决策而不是文字,Ask 不会自己编写答案。Ask 目前使用 TypeSafe AI 的 System One 模型 Jev,通过 TypeSafe 的 API 调用(故障时回退到 Cloudflare Workers AI 上的同一模型),我们也在逐步扩展支持更多决策模型。Ask 是 Search1API 的产品,不是 TypeSafe 官方产品。
Agentic Search 定价
Ask 按完成的请求固定收取 5 积分,搜一个引擎还是五个引擎都一样,决策模型调用费用已包含在内。部分引擎失败、其余完成时,失败会列在 errors 中,请求照常计费。没有任何引擎完成时返回 502,不扣费。新账号自带 100 免费积分,可以调用 20 次 Ask。
每次请求固定 5 积分,已包含模型调用。
没有任何引擎完成(HTTP 502)时不扣费。
注册即送 100 免费积分——无需信用卡即可调用 20 次。
需要 API Key;每个账号每分钟最多 30 次请求。
一次 Agentic Search 请求如何运行
用一句自然语言调用 POST /ask,决策模型选择引擎和时间范围,给每条结果打分,在交给 Agent 之前过滤掉不相关和重复的结果。目前使用的决策模型是 TypeSafe Jev。
意图识别:决策模型选出搜索关键词,给每个引擎打匹配分,并判断时间范围。在请求里写明平台或时间(如“Reddit 上”“这周”),会影响这些选择。
并行搜索:从 Google、DuckDuckGo 到 Reddit、GitHub、arXiv、YouTube,最多 5 个引擎同时搜索。
AI 重排序:模型给每条结果打相关度分,低于 0.5 的被过滤,重复结果合并,按相关度排序返回。
适合场景
Agentic Search API:决策模型(目前为 TypeSafe Jev)选择引擎、给每条结果打分,过滤不相关和重复结果,Agent 只读切题的来源,少花 Token
在意 Token 预算的 LLM Agent:一次工具调用拿回重排序后、可直接引用的来源,而不是好几页原始结果。
选对来源比结果数量更重要的 RAG 检索。
每个问题所需来源都不同的调研与监控,覆盖 Reddit、Hacker News、X、GitHub 和 arXiv。
常见问题
什么是 Agentic Search?
Agentic Search(也常被叫作 Agent 搜索)把搜索决策从你的代码交给模型:你用自然语言提问,模型决定用什么关键词、去哪些引擎搜、限定多长时间,再判断哪些结果值得保留并重排序。Ask 在一次 API 调用里完成这些决策:一轮路由加一次重排序,不是多轮迭代的研究流程,所以延迟和费用都可预期。
Ask 为什么能减少 Token 消耗?
有三点:Agent 只需调用一次,不用逐个引擎去试;相关度低于 0.5 的结果在返回前就被过滤;跨引擎的重复结果会被合并。每条结果还保留 relevance 分数,你可以在交给模型前再筛一遍。具体能省多少取决于查询,每次最多返回 10 条,也可能更少,甚至为空。
Ask 目前用的是哪个决策模型?
目前是 TypeSafe 的 Jev,通过 TypeSafe 的 API 调用,Cloudflare Workers AI 上的同一模型作为备用。我们正在逐步扩展支持更多决策模型。
Ask 如何识别搜索意图?
Ask 会向决策模型提出类型化的问题:哪个关键词最合适、每个引擎有多大可能有用、请求是否隐含时间范围。引擎按这些概率选择,最多 5 个。响应中的 intent 字段会列出实际使用的关键词、引擎和时间范围。
Ask 如何对结果重排序?
决策模型会给每条结果打一个 0 到 1 的分数,判断它是否在讲请求的主题。低于 0.5 的结果被过滤,跨引擎的重复结果被合并,其余按分数排序。每条结果都保留 relevance 分数,你可以按更严格的阈值再筛一遍。这个分数是模型判断,不代表事实核查。
什么时候用 Ask,什么时候用 Search?
知道要找什么、但不确定该去哪里找时用 Ask。已经确定引擎和关键词,需要该引擎自身的排序、过滤、翻页或 Deep Search 正文时用 Search。
Agentic Search API 消耗多少积分?
每次完成的 Ask 请求固定消耗 5 积分,与搜索了几个引擎无关,决策模型调用已包含在内。没有任何引擎完成时返回 502,不扣费。
Ask 会直接生成答案吗?
不会。Ask 返回带标题、链接、摘要和相关度分数的重排序结果,由你自己的 LLM 阅读和引用,不生成总结或答案。
Ask 会把哪些数据发送给决策模型?
为了做意图识别和打分,你的请求以及返回结果的标题和摘要会发送给 Jev 模型(经 TypeSafe 的 API,故障时经 Cloudflare Workers AI)。搜索本身由 Search1API 执行。
可以通过 SDK 或 MCP 使用 Ask 吗?
暂时不行。请使用 API Key 通过 HTTP 调用 POST /ask。官方 SDK、CLI 和 MCP 服务器尚未支持 Ask,也不支持按次付费(pay-per-request)。