三引擎搜索策略：DuckDuckGo + Tavily + Brave 互補配置指南

為什麼需要三個搜索引擎？

單一搜索引擎無法滿足 Agent 的全部需求：

DuckDuckGo：零配置、零成本，但只有網頁摘要
Tavily：專為 AI 設計的結構化結果，但缺少新聞和社群討論
Brave：新聞 + 社群 + 網頁全覆蓋，但需要自行提取關鍵信息

三者互補，形成無死角的搜索矩陣。

三引擎同題對比（Query: 「AI agent framework 2026」）

維度	DuckDuckGo	Tavily	Brave
調用方式	DeepSeek TUI 內建	REST API	REST API
API Key	不需要	需要	需要
免費額度	無限（TUI 內）	1000次/月	2000次/月
AI 摘要	❌ 僅片段	✅ content 專為 AI 設計	❌ SEO meta
相關性評分	❌	✅ score (0-1)	❌
新聞搜索	❌	❌	✅ 內置 News
社群討論	❌	❌	✅ Reddit/Discussions
響應格式	扁平列表	結構化 JSON	分層 JSON

實際返回差異

DuckDuckGo — 精簡快速

1. "AI Agent Frameworks 2026: 8 SDKs compared" — morphllm.com
2. "8 Ways AI Agents Are Evolving in 2026" — salesforce.com
3. "AI Agent Framework Showdown 2026" — qubittool.com

Tavily — AI 就緒

{
  "title": "Top 10 Agentic AI Frameworks 2026",
  "content": "FastAgents is a lightweight framework designed for...",
  "score": 0.9999
}

content 欄位可直接餵給 LLM，無需二次解析。

Brave — 新聞 + 社群全覆蓋

📰 News: Microsoft Agent 365 GA
📰 News: Cloudflare 裁員 1,100 人轉向 agentic AI
💬 Reddit: OpenClaw 被社群推為 always-on agent 首選
💬 Reddit: "What is your full AI Agent stack in 2026?" (106 討論)
🌐 Web: 15 條傳統結果

為什麼 DuckDuckGo 更「有新聞感」？

在實際使用中發現：DuckDuckGo 搜「AI news this week」時返回的是編輯綜述文章（「7 Explosive AI Updates」「GitHub Trending Weekly」），這些是人寫的打包新聞。而 Tavily 返回技術分析文，Brave 返回原始新聞稿。

引擎	內容類型	信息密度	閱讀體驗
DuckDuckGo	編輯綜述、行業博客	一篇涵蓋多個話題	「像在看報紙」
Tavily	技術對比、深度分析	每篇聚焦單一主題	「像在看論文」
Brave	原始新聞、社群討論	每篇一個事件	「像在看 RSS」

核心原因：DuckDuckGo 的排序算法偏好被廣泛引用的編輯精選頁（SEO 權重高、更新頻繁），天然適合「這週發生什麼大事」類查詢。

場景選擇矩陣（修正版）

場景	用誰	原因
「這週發生什麼」— 新聞綜述	DuckDuckGo 先掃	編輯打包，一篇看全局
社群輿情 + 最新動態	Brave News + Discussions	原始新聞、Reddit 討論
「這個技術怎麼用」— 深度教學	Tavily advanced	結構化摘要，score 排序
交叉驗證	DuckDuckGo + Brave	綜述 → 原始來源對照
成本控制	DuckDuckGo 為主	免費最優先

修正後的搜索工作流

1. DuckDuckGo 先掃全局 → 獲得新聞綜述感，建立主題地圖
2. Brave News 補時效 → 確認最新動態 + 社群反應
3. Tavily 深入 → 對關鍵主題做技術深挖

交叉驗證 Skill 配置

# OpenClaw 中配置三引擎交叉驗證
search_strategy: "cross-validate"
sources: ["duckduckgo", "tavily", "brave"]
min_agreement: 2  # 至少兩個來源一致才採信
priority_order: ["duckduckgo", "brave", "tavily"]

優先順序邏輯：

DuckDuckGo 先跑（免費，秒回）
結果不足 → Brave 補充（新聞 + 社群）
需要精確摘要 → Tavily（結構化內容）

Hermes Agent 每日搜集腳本

# ~/hermes/scripts/daily_search.py
from tavily import TavilyClient
import requests

tavily = TavilyClient(api_key="tvly-xxx")

def brave_search(query):
    return requests.get(
        "https://api.search.brave.com/res/v1/web/search",
        params={"q": query, "count": 5, "freshness": "pw"},
        headers={"X-Subscription-Token": "BSA-xxx", "Accept": "application/json"}
    ).json()

topics = ["AI agent 2026", "GitHub trending agent", "LLM release"]

for topic in topics:
    tavily_results = tavily.search(topic, max_results=3, search_depth="advanced")
    brave_results = brave_search(topic)
    # 合併去重 → 生成每日簡報

成本估算（月）

場景	Tavily	Brave	總成本
Hermes 每日搜集 (30次/天)	300 basic	600	$0/月
OpenClaw 即時搜索 (10次/天)	300 advanced	0	$0/月
深度調研 (5次/週)	0	20	$0/月
月總計	600	620	$0（全在免費額度內）