[智能体-620]:OpenClaw:Web‑Search、Web‑Fetch 完整详解(适配 OpenClaw 智能体工具体系,可写入 TOOLS.md)

[智能体-620]:OpenClaw:Web‑Search、Web‑Fetch 完整详解(适配 OpenClaw 智能体工具体系,可写入 TOOLS.md)
Web‑Search、Web‑Fetch 完整详解适配 OpenClaw 智能体工具体系可写入 TOOLS.md一、基础定义1. Web‑Search网页检索工具输入自然语言搜索词Query交给搜索引擎如 Bing、Tavily、Brave全网检索。 输出一批网页列表包含标题、摘要、网页 URL只给简略片段不读取完整原文。作用发现网页、缩小信息范围、找到候选链接。类比在百度搜关键词得到一排搜索结果。2. Web‑Fetch网页拉取 / 精读工具输入固定 URL 链接。动作访问该网址拉取完整 HTML清洗广告、导航栏、页脚等无效内容提取正文转为 Markdown 文本送入大模型上下文做深度阅读、提取、总结、提取数据。作用对已知网页进行精读、深挖细节。类比点开百度搜索结果里的某一条网页阅读全文。二、核心对比表表格对比项Web‑SearchWeb‑Fetch入参搜索语句query 关键词精准 URL 地址输出结果标题、摘要、链接列表单页完整正文清洗后核心定位发现资源、广域探索精读指定页面、深度挖掘信息使用顺序前置第一步先找链接后置第二步拿到 URL 再精读Token 消耗低只拿摘要高要加载完整页面文本适用场景不知道准确来源、查实时新闻、查新资料、探索调研研读官网文档、政策原文、文章、PDF、提取表格、详细条款三、标准串行工作流程智能体标准链路Web‑Search大模型生成搜索关键词全网检索拿到一批候选网页 URL模型筛选高价值链接调用 Web‑Fetch读取选定网页全文将精读后的正文作为上下文交由大模型分析、总结、提炼结论。 一句话流程Search 找链接 → Fetch 读原文 → LLM 做决策。四、二者的局限性结合前面的大模型理论Web‑Search 只拿到摘要摘要信息碎片化、信息不全只靠摘要做决策很容易信息片面造成判断偏差对应大模型依赖上下文、不确定性高、一致性差的问题。Web‑Fetch 虽然原文完整但存在两个约束页面内容过多会大量消耗 Token无法读取 JS 动态渲染页面、登录后才能访问的内网页面只能抓取静态网页内容。五、适配 OpenClaw‑TOOLS.md 的工具规则定义可直接复制markdown# Web‑Search、Web‑Fetch 调用规范 1. 调用顺序约束必须优先执行Web‑Search获取候选URL再按需调用Web‑Fetch精读页面禁止无目的批量Fetch避免浪费Token。 2. 权限约束仅主Agent可调用联网工具子Agent只可提出联网需求不能直接调用。 3. Web‑Search用于查询互联网公开信息、最新行业资料、技术文档、实时资讯。 4. Web‑Fetch仅对Search筛选后的高优先级网页执行精读单次最多同时Fetch3个网页防止上下文过载。 5. 内网、需要登录的页面禁止调用两个网页工具。 6. 精读后提炼的长期业务知识由MemoryEditor工具写入MEMORY.md长期记忆后续任务不必重复联网查询。六、结合之前的大模型理论做延伸总结Web‑SearchWeb‑Fetch 本质就是用来补充大模型截止日期之后的外部信息补齐上下文。 可也正因大模型决策完全依赖上下文如果只依靠 Search 摘要信息做判断上下文信息残缺会放大模型的不确定性更容易出现逻辑漂移、前后不一致只有通过 Fetch 精读原文补齐完整上下文才能让大模型的决策更严谨再依靠 OpenClaw 六份 MD 文件做刚性约束把联网获取的信息约束在既定业务框架内规避 “见风使舵式” 的自由决策问题。