Tavily 是一款开发者 API：面向智能体与 RAG 的搜索 API。

用 AI 最容易犯的错是「看着不错就用了」，这篇给出一张可复用的打分表。

评分表（每项 1 到 5 分）

维度看什么1 分5 分
命中率正确资料是否出现在前几条结果中明显不合格无需修改即可使用
引用准确回答引用的段落是否真的支持结论明显不合格无需修改即可使用
时效性信息是否足够新，是否标明日期明显不合格无需修改即可使用
覆盖度多来源问题是否兼顾了不同观点明显不合格无需修改即可使用
拒答能力没有依据时是否承认不知道明显不合格无需修改即可使用

建议：任一维度低于 3 分就不要直接使用；总分用于比较不同提示词或不同工具的效果。

用一个任务试打分

构建问答测试集

适用情况：手头有一份产品手册时。

根据手册编写 20 个用户可能问的问题及标准答案，标注答案所在章节，用来评估知识库检索效果。

检查点：每个答案都能在手册中找到。

怎么让评分更可靠

  • 同一批材料至少测 5 次，不只看最好的一次。
  • 两人分别打分，分歧大的维度再讨论标准。
  • 把 Tavily 的结果与人工完成或 SerpAPI 的结果放在一起盲评。
  • 每次改提示词后用同一批材料复测。

补充练习

网页内容抓取

准备材料：一组需要定期关注的网页。

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。

带来源的快速调研

输入：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。

验收标准：关键结论都有可点击来源。

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。

检查点：对比用同一批问题。

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：回答过于笼统

要求逐条引用原文，并限定只回答文档中有依据的内容。

常见问题：表格内容检索不到

换用能保留表格结构的解析工具，或单独把表格转成文本描述。

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。

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。

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。

注意事项

所有示例输出均为示意，不代表真实统计或效果承诺；请以自己的测试结果为准。

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。

延伸阅读