firecrawl-search

firecrawl-search 技能概览

firecrawl-search 是做什么的

firecrawl-search 是一个面向 Web Research 的网页研究技能：先帮你找到相关页面，再可在同一步里按需提取这些页面的完整内容。它特别适合那些不满足于搜索摘要的场景，比如发现信息源、收集文章、检查最新新闻，以及为后续总结或对比收集证据。

什么人适合安装 firecrawl-search 技能

如果你在做 AI 辅助的网页研究，而且还没有明确的目标 URL，那 firecrawl-search 往往很合适。凡是你的工作起点是“找一些关于 X 的来源”“搜索最近的相关报道”或“看看大家怎么说”，这个技能通常都比泛泛地写一个提示词更直接，因为它能把这类需求转成可复用的 CLI 工作流，并输出结构化 JSON 结果。

它真正解决的核心任务

大多数安装 firecrawl-search 的用户，实际想解决的是三件事：

1. 快速找到相关页面，
2. 视需要抓取完整页面 markdown，而不只是 snippet，
3. 把干净的结果交给 agent 做整合、过滤，或继续抓取。

也正因为如此，firecrawl-search for Web Research 特别适合放在更大工作流的第一步：search → scrape → map → crawl。

为什么大家会用 firecrawl-search，而不是直接普通提问

firecrawl-search 的核心差异在于：它返回的是真正可机读的搜索结果 JSON，并且可以通过 --scrape 直接补充完整页面提取结果。相比让模型“搜一下网页”，它带来的优势包括：

• 查询条件可明确控制，
• 可以控制来源类型，比如 web 或 news，
• 可以限制结果数量，
• 更方便下游解析处理，
• search 和 analysis 的边界更清晰。

安装前真正需要考虑什么

这个技能的仓库结构本身很轻，关键决策点不在于文档多不多，而在于它的工作流是否匹配你的任务。如果你需要“先发现来源，再按需抓内容”，那就值得安装 firecrawl-search skill。但不要把它当成完整站点爬虫、浏览器自动化工具，或者单独就能给出最终结论的引擎。

适合与不适合的场景

以下情况适合用 firecrawl-search：

• 你需要某个主题的来源，但还不知道具体 URL，
• 你需要查看最近新闻或多个不同观点，
• 你希望把搜索结果保存成文件，供后续处理。

以下情况则更建议跳过它：

• 你已经知道要抓取的精确页面，
• 你需要在一个站点内做深度遍历，
• 你需要与表单或动态 Web app 做复杂交互。

如何使用 firecrawl-search 技能

firecrawl-search 的安装上下文

从仓库片段可以看出，这个技能预期通过 CLI 使用：

• firecrawl *
• npx firecrawl *

在支持 skills 的环境里，一个实用的 firecrawl-search install 安装方式是：

npx skills add https://github.com/firecrawl/cli --skill firecrawl-search

然后确认你的环境里可以运行 firecrawl 或 npx firecrawl 命令。

先看这个文件

针对这个技能，建议先读：

• skills/firecrawl-search/SKILL.md

这里没有明显展开其它重要的配套目录，所以大多数采用判断都要从这一个文件里做。重点确认其中定义的触发语、命令模式以及搜索选项。

firecrawl-search 的核心命令

上游技能主要围绕三种模式：

firecrawl search "your query" -o .firecrawl/result.json --json

firecrawl search "your query" --scrape -o .firecrawl/scraped.json --json

firecrawl search "your query" --sources news --tbs qdr:d -o .firecrawl/news.json --json

它们分别覆盖了最主要的用法：

• 基础搜索，
• 搜索并提取完整页面内容，
• 带时效过滤的新闻搜索。

firecrawl-search 需要什么样的输入

高质量的 firecrawl-search usage，通常从一个表达明确的 query 开始，至少要清楚这几个点：

• 主题，
• 时间范围，
• 来源类型，
• 检索意图。

较弱的输入示例：AI regulation

更强的输入示例：EU AI Act enforcement guidance 2025 official commentary

之所以后者更好，是因为搜索阶段本身非常“按字面执行”。如果你的请求很宽泛，输出通常也会很宽泛。

如何把模糊目标变成高质量提示

如果用户说：“找一下各家公司怎么谈开源 AI 安全”，那更好的做法是先把它转成一份调用计划：

• 明确目标角度：厂商声明、博客文章、报告、访谈，
• 明确时间范围：最近 30 天还是最近一年，
• 明确来源：web 还是 news，
• 决定是否需要立刻做完整页面提取。

一个更强的 firecrawl-search agent 提示可以写成：

Use firecrawl-search to find recent web and news sources about open-source AI security from the last 30 days. Return 10 results in JSON, then scrape the top 5 pages with substantive content for comparison.

这个提示更好，是因为它明确了搜索范围、时间窗口、输出形式，以及后续动作。

什么情况下应该立刻用 --scrape

如果 snippet 不够，而你已经知道后面一定会需要页面正文来做这些事情，就适合直接用 --scrape：

• summarization，
• quote extraction，
• policy comparison，
• content clustering。

但如果你还在探索一个噪声很多的主题，第一轮最好别急着 --scrape。先只做 search，调准 query 更快；等确认结果集方向对了，再抓页面内容。

如何更合理地选择来源类型和时效过滤

目前可见的选项包括：

• --sources <web,images,news>
• --limit <n>
• --tbs ...

对大多数研究任务来说：

• 如果时效性很重要，用 --sources news，
• 如果你希望更广泛地发现来源，用 --sources web，
• 一开始把 --limit 控制在较小范围，能减少噪声，
• 如果请求本身隐含“最近报道”的意思，就加上 --tbs。

一个很常见的质量问题，是搜索明显偏新闻类的话题时却不加时效过滤，结果把过期报道和当前报道混在一起。

面向 Web Research 的推荐工作流

一个实用的 firecrawl-search guide 可以这样走：

1. 从一个收窄过的搜索 query 开始。
2. 把 JSON 输出保存到 .firecrawl/...。
3. 先检查标题和 URL 是否相关。
4. 如果结果跑偏，就改写 query。
5. 只有在结果集质量不错时，再用 --scrape 重跑。
6. 在第二步处理里再去总结或比较抓取内容。

这种分阶段工作流，通常比“一次模糊请求里同时要求广泛搜索和完整提取”更稳。

输出处理与文件习惯

示例里把结果保存到了 .firecrawl/result.json 这种路径。这个习惯建议保留，因为它会显著提高技能可用性：

• 你可以检查原始搜索输出，
• agent 可以在后续步骤复用这些文件，
• 你能把 discovery 和 synthesis 分开，
• 一旦失败，也比只在对话里输出更容易排查。

会直接影响输出质量的实用技巧

下面这些习惯，往往能明显提升 firecrawl-search usage 质量：

• 在 query 里写清命名实体：公司名、法律名、产品名。
• 加入意图词，比如 official、comparison、case study、announcement。
• 把探索阶段和提取阶段拆开跑。
• 主动指定结果数量，而不是默认拿一大堆结果。
• 新闻类 query 一定搭配时效约束来用。

在依赖它之前要先理解的边界

技能说明里已经明确把 firecrawl-search 定位为：相比内建 web search，更擅长输出结构化结果，并支持按需提取页面内容。但它依然有边界：

• 结果质量高度依赖 query 质量，
• 宽泛搜索很容易带来噪声，
• 完整页面抓取并不等于深度站点 crawling，
• 它是研究信息获取环节，不等于事实验证本身。

firecrawl-search 技能 FAQ

firecrawl-search 比普通“搜索网页”提示更好吗？

如果你要的是可复现的研究工作流，那么是的。firecrawl-search 更适合那些需要明确命令、JSON 输出、落盘文件和可选页面提取的场景。普通提示也许足够满足一次性好奇，但对需要可追溯、多步骤推进的研究任务来说，它明显更弱。

firecrawl-search 技能对新手友好吗？

友好，前提是你能接受运行 CLI 命令，并愿意看 JSON 输出。这个技能暴露出来的命令面并不大。对新手来说，真正更难的通常不是安装，而是 query 设计。

什么情况下应该用 firecrawl-search，而不是直接抓一个 URL？

当“先发现来源”是第一步时，就应该用 firecrawl-search skill。如果你已经知道准确页面，直接抓取通常是更干净的路径。

firecrawl-search 能处理近期新闻研究吗？

可以。技能里明确展示了 --sources news 和 --tbs qdr:d 这种近期结果模式。只要你把时间范围定义清楚，它就适合做时效性较强的检查。

firecrawl-search 足够支撑完整 Web Research 流水线吗？

通常不够，它更适合作为第一步，而不是整个流水线本身。这个技能本身也暗示了一个递进式工作流：search → scrape → map → crawl → interact。如果你的瓶颈是发现来源，就安装它；如果瓶颈在站点遍历或交互，再补充其他技能。

什么情况下 firecrawl-search 不适合？

以下场景里，它通常不适合：

• 你需要网站自动化，
• 你需要登录后浏览，
• 你需要穷尽式的域名 crawling，
• 你已经有目标 URL。

如何提升 firecrawl-search 技能效果

通过收紧 query 提升 firecrawl-search 结果质量

影响最大的变量，就是 query 的具体程度。如果第一轮结果不好，不要只想着把 limit 调大。更有效的做法是重写 query，加入：

• 明确主题，
• 来源角度，
• 日期信号，
• 如果相关，再加地区或域名限制。

大多数时候，更好的 query 改写比拿更大的结果集更有效。

用双阶段研究代替一次性过载

firecrawl-search 的常见失败方式之一，就是一上来让它做太多事。更合理的模式是：

• 第 1 阶段：只 search，先找出高价值 URL，
• 第 2 阶段：只对选中的结果做 scrape，拿全文。

这样可以减少无关抓取，也能提升下游总结质量。

明确说明你真正需要的输出形式

如果下一步是 analysis，就应该把输出处理方式说清楚：

• 保存原始 JSON，
• 标出 top results，
• 只抓最终入选页面，
• 提取之后再做总结。

这比一句“把所有内容都研究一下”要可靠得多。

用来源和时间约束来减少噪声

如果你觉得结果很乱，优先加约束，而不是先加数量：

• 当前事件切到 --sources news，
• 需要近期内容时加 --tbs，
• 下调或限制 --limit，
• 收窄主题表述。

这往往是提升 firecrawl-search for Web Research 效果最快的方法。

留意 firecrawl-search 的常见失败模式

firecrawl-search 最典型的问题包括：

• query 过宽，
• 太早开始 scraping，
• 把常青主题和时效性主题混在一起，
• 不读提取页面就把搜索结果当最终证据。

如果质量下降，先检查这些前提假设是否出了问题。

给 agent 更强的调用指令

更好的调用提示，通常会明确这些信息：

• 研究问题是什么，
• 什么样的来源算高质量，
• 希望的来源类型，
• 对时效性的要求，
• 需要收集多少结果，
• 是否要抓取结果页面。

例如：

Use firecrawl-search to find 8 recent news and web sources on open-source AI model security benchmarks from the past 14 days. Save JSON results, then scrape the top 4 substantive sources for detailed comparison.

这类指令之所以能提高结果质量，是因为它减少了模型自行猜测的空间。

拿到第一轮输出后继续迭代

不要只凭一次宽泛运行，就判断 firecrawl-search skill 好不好用。更好的方式是先看第一批结果，再继续细化：

• 补上缺失的实体名，
• 去掉有歧义的词，
• 把一个 query 拆成两个更窄的搜索，
• 只对明确相关的页面重新执行 scraping。

把它当作一个可迭代的研究工具，而不是一次性答案生成器，通常才能发挥 firecrawl-search 的最佳效果。