Tavily 怎么和其他工具组合：一条可落地的工作流
Tavily 是一款开发者 API：面向智能体与 RAG 的搜索 API。
单独用一个工具往往只解决一段问题，这篇讲怎么把它和上下游工具串起来。
推荐组合：Tavily + Llama 开源模型
Llama 开源模型的定位是：Meta 发布的开放权重大模型系列。两者分工可以是：Tavily 负责「带来源的快速调研」这一步，Llama 开源模型负责用本地模型处理敏感部分。
工作流步骤
- 明确交付物和验收标准，例如：关键结论都有可点击来源。
- 准备输入：一个需要事实支撑的问题，先去掉敏感信息。
- 在 Tavily 中执行核心步骤（提示词见下文）
- 把结果交给 Llama 开源模型做下一步处理，或从 Llama 开源模型取得所需材料。
- 人工检查关键事实与格式，记录发现的问题。
- 把这次用到的提示词和设置保存为模板，下次复用。
带来源的快速调研
适用情况：手头有一个需要事实支撑的问题时。
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。
交接时最容易出问题的地方
- 格式不兼容：两边导入导出的格式提前测试一次。
- 信息丢失：每次交接附上来源和版本号。
- 责任不清：约定哪一步由谁做最终确认。
- 成本叠加：两个工具都可能计费，先估算用量。
如果暂时不想引入第二个工具，也可以先用 Jina Reader 等同类产品替代其中一环，跑通流程后再决定。
延伸练习
资料卡片整理
输入：搜索得到的十几篇资料。
把这些资料整理成卡片：每张卡片包括一句话结论、关键数据、来源和可信度评价，最后按主题分组。
交付前确认：每张卡片都有来源。
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。
验收标准：每个答案都能在手册中找到。
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。
验收标准：切分后的段落能回溯到页码。
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。
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：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：重排序（Rerank）
对初步检索结果再次打分排序，提升相关性。
概念补充：引用溯源
回答附带原文出处，便于核对。
适合人群：数据分析师
数据分析师可以用 Tavily 处理取数与 SQL、清洗与可视化等工作。需要注意：确认指标口径，敏感数据脱敏后再交给 AI 处理。
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。
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。