exa-research

用途

Exa Research 面向 Exa.ai 的深度研究与答案生成场景，资料将其定位为在构建研究自动化、实现带来源引用的问答（Answer API）以及需要可验证来源的回答时使用。

主要能力

资料列出三类核心主题：

Answer API：用于带引用的问答和 grounded（有依据）的响应。调用后可获得 answer 以及 citations 列表，每个 citation 提供 url。
Deep Search：用于智能查询扩展并生成高质量摘要。示例中使用 exa.search_and_contents()，配合 type="neural"、num_results=10、summary=True 和 use_autoprompt=True 进行查询扩展并获取每条结果的 title 与 summary。
Citations：用于来源归属与验证。资料强调应始终包含 response.citations 以实现可验证的响应，并在向用户展示前检查 citation.url 是否存在。

资料还提到 Exa Research 用于长文异步报告，输出为结构化的 JSON 或 Markdown。

使用方式

文档给出 Python 示例。基本问答：

from exa_py import Exa

exa = Exa()

response = exa.answer(
"What are the key features of Python 3.12?",
text=True
)

print(response.answer)
for citation in response.citations:
print(f"Source: {citation.url}")

流式回答：

stream = exa.answer(
    "Explain the benefits of microservices architecture",
    stream=True
)

for chunk in stream:
    print(chunk.text, end="", flush=True)

# Access citations after streaming
print("\nSources:", stream.citations)

带摘要的深度搜索：

results = exa.search_and_contents(
    "latest developments in quantum computing",
    type="neural",
    num_results=10,
    summary=True,
    use_autoprompt=True  # Smart query expansion
)

for result in results.results:
    print(f"{result.title}")
    print(f"Summary: {result.summary}")

适用场景

直接问答且需要引用来源时，使用 Answer API，输出为答案加来源 URL。
需要查询扩展与摘要时，使用 Deep Search，输出为增强后的搜索结果。
需要长文异步报告时，使用 Exa Research，输出为结构化 JSON 或 Markdown。

限制与注意事项

资料列出的常见问题包括：

长答案未使用流式：对复杂问题应使用 stream=True 以改善体验。
忽略引用：应始终包含 response.citations 以保证可验证。
缺少 text=True：Answer API 需要内容访问，应包含 text=True。
查询过于复杂：Answer API 更适合清晰、聚焦的问题。
未校验引用：在展示给用户前应检查 citation.url 是否存在。

关于收费、价格、平台支持与配额等信息，资料暂未提供。

技能介绍

用途

主要能力

使用方式

适用场景

限制与注意事项