迁移到 Tavily 前要准备什么
先说清楚它是什么：Tavily 属于「搜索与知识库」方向的开发者 API，面向智能体与 RAG 的搜索 API。
换工具的成本常被低估，这篇按步骤列出迁移前后要做的事。
以从 Exa 迁移为例
迁移不一定是「全面替换」。很多团队会先把一部分任务交给 Tavily，与 Exa 并行一段时间再决定。
迁移步骤
- 盘点资产：现在用的提示词、模板、知识库、自动化流程和历史产出。
- 确认导出方式：哪些能导出、格式是什么、哪些只能手工迁移。
- 挑 3 个典型任务（如「网页内容抓取」「资料卡片整理」）在两边同时做。
- 按同一张评分表比较结果。
- 迁移账号与权限，通知团队新的使用规范。
- 保留旧工具一段时间的只读访问，确认无遗漏后再停用。
对比测试用的任务
网页内容抓取
适用情况：手头有一组需要定期关注的网页时。
把这些网页转成 Markdown，去掉导航和广告，只保留正文、发布日期和作者；发布日期缺失时标注「未知」。
交付前确认：没有臆造发布日期。
不建议迁移的情况
- 核心流程依赖 Exa 特有的功能或集成。
- 团队刚刚完成培训，切换成本过高。
- 新工具的数据处理条款不满足要求。
更多可以试的用法
内部文档入库
适用情况：手头有一批 PDF、Word 和网页时。
把这些文档解析为干净的文本：保留标题层级和表格，去掉页眉页脚，按章节切分，每段附上原文件名和页码。
检查点：切分后的段落能回溯到页码。
检索效果对比
输入：同一批问题和两种检索配置。
用同一批测试问题分别跑关键词检索、向量检索和混合检索，记录前 5 条结果中正确段落的命中情况。
验收标准：对比用同一批问题。
带来源的快速调研
准备材料：一个需要事实支撑的问题。
请回答【问题】，每个关键结论后标注来源链接；如果不同来源说法不一，请分别列出；最后给出你认为最可靠的来源及原因。
检查点：关键结论都有可点击来源。
常见问题：中文检索效果差
选择对中文支持好的嵌入模型，并为专有名词建立同义词。
常见问题：搜索结果过时
限定时间范围，或在提问中注明需要最新信息并核对发布日期。
常见问题：答案引用了错误段落
调整切分大小、加入重排序，并检查文档解析是否丢失标题。
概念补充：混合检索
同时使用关键词和向量检索，兼顾精确匹配与语义理解。
概念补充：RAG（检索增强生成）
先检索相关资料再让模型作答，降低胡编概率。
适合人群：记者编辑
记者编辑可以用 Tavily 处理采访整理、资料核查等工作。需要注意：事实必须多源核实，不得用 AI 生成虚构引语，遵守所在机构的 AI 使用规范。
适合人群：销售
销售可以用 Tavily 处理客户背景调研、跟进邮件与话术等工作。需要注意：客户数据按公司规定处理，报价和承诺以合同为准。
使用提醒
本文基于 Tavily 公开的定位与通用用法编写，具体功能、套餐与可用地区以官方页面为准，产品更新后界面和名称可能变化。
涉及个人信息、商业机密或受监管数据时，先确认 Tavily 的数据处理条款，再决定能否使用。