用途
search-integration 是一个用于定义 AI 搜索与知识检索策略的系统提示词技能。当系统提示词需要规定 AI 模型何时搜索、如何搜索、搜索哪些数据源、以及如何处理搜索结果时调用此 Skill。它适用于所有涉及实时知识检索的 AI 产品设计，例如聊天机器人、研究助手、企业知识库问答等。
该技能不适用于：纯离线场景（无搜索能力的环境）、已完全内化的知识问答（如数学推导）、创意生成任务。当需求仅涉及“从本地文件读取内容”时，也不属于此技能的适用范围。
核心分歧与设计模式
资料指出，跨供应商的系统提示词中浮现出多种搜索策略模式。核心分歧点在于搜索的门槛：从“能不搜就不搜”到“默认每次都搜”。可归纳的设计模式包括：
- 搜索优先策略（search_first）：对时效性信息、事实性声明、当代人物或事件，搜索是默认动作而非可选动作。
- 多查询组合：单次搜索至少发出两种不同形态的查询——自然语言问题式加关键词式，覆盖不同索引模式。
- 源优先级层级：企业数据 > 授权语料库 > 公共网页搜索 > 社交媒体，按场景定义层级。
- 追问重新搜索原则：不假设前次结果在追问时仍然有效，每次实质性问题都重新检索。
- 领域专用搜索规则：金融=单实体聚焦、本地=地理编码、旅行=交通加酒店、体育=完整上下文。
- 搜索成本感知：资料引用 Notion AI 的表述“搜索很便宜、安全且快速，用户愿意等待”，以降低搜索门槛。
- 无搜索例外：纯源文档场景（NotebookLM）用逐句引用替代搜索，保证忠实度。
使用方式与可执行步骤
资料给出以下可执行步骤及完成标准：
- 定义搜索触发规则矩阵。完成标准：建立按内容类型（时效性、事实性、人物、观点）和时效要求（实时、近期、历史）的二维矩阵，明确每种组合下的搜索策略（强制搜索、建议搜索、可选搜索、禁止搜索）。
- 设计多查询组合模板。完成标准：为每个搜索触发点定义至少两种查询形态（问题式加关键词式），包含语言保持规则（使用用户原始语言）和查询扩展策略。
- 建立源优先级层级。完成标准：定义至少三层源优先级（如企业语料库 > 授权数据库 > 公共网页），包含跨源冲突时的裁决规则和降级策略。
- 编写追问搜索策略。完成标准：明确规定追问场景下的搜索行为，至少区分“信息补充型追问”（重新搜索）和“逻辑澄清型追问”（不搜索），包含时间窗口判断（超过 N 分钟必须重新搜索）。
- 添加领域专用搜索参数。完成标准：为金融（单实体聚焦加时间范围）、本地（地理编码加距离半径）、旅行（交通加住宿加天气联合查询）、体育（完整赛事上下文）等垂直领域定义专用搜索参数集。
案例分析
- Gemini 多查询强制策略：单一查询无法覆盖用户意图的不同表述维度，导致搜索结果遗漏关键信息。Gemini 3.1 Pro 系统提示词要求每次搜索至少发出两个查询：一个自然语言问题式查询（捕捉语义）加一个关键词式查询（捕捉精确匹配），且所有查询必须使用用户的原始语言。其效果被概括为将信息检索从“猜一个最佳查询”升级为“多角度覆盖”，降低信息遗漏率。
- Perplexity 追问重新搜索原则：用户追问时系统倾向复用前次结果以节省时间和 token，但信息可能已过时。Perplexity 系统提示词规定“追问时始终重新搜索，而非假设前次结果仍然足够”。该策略牺牲效率换取准确性，尤其在新闻、金融等高时效性场景中效果显著。
- NotebookLM 的反搜索模式：通用搜索可能引入外部信息污染对源文档的忠实解读。NotebookLM 完全不搜索，严格基于用户上传的源文档，配合逐句引用机制确保每个声明都可追溯。在需要高忠实度的场景（学术分析、法律文档）中，“不搜索”反而是正确策略。
- 其他被提及的表述还包括 Claude Web 的“自信不是跳过搜索的理由”、Le Chat 对所有当代公众人物强制搜索。
适用场景
- 设计需要联网能力的 AI 助手系统提示词，需要定义“何时搜、搜什么、搜几个”。
- 构建企业知识库问答系统，需要定义内部语料库与外部搜索的优先级关系。
- 为垂直领域 AI（金融、医疗、法律）设计搜索策略，需要领域专用规则。
- 优化现有 AI 产品的搜索触发率，例如用户反馈“信息过时”或“回答缺少最新数据”。
- 设计研究型 AI 产品（如 Deep Research），需要多轮搜索与结果整合策略。
可以识别的语言信号包括：“AI 回答的信息过时了”“需要引用最新数据或新闻”“先搜索再回答，不要凭记忆”“企业内部知识优先于网络搜索”“每次追问都要重新查一下”。
与相邻技能的区分
- 与 context-management 的区别：context-management 管理已有上下文的压缩和加载，本 Skill 管理外部信息的获取时机和策略。
- 与 conversation-flow 的区别：conversation-flow 管理对话路由和澄清策略，本 Skill 专注于搜索决策（搜不搜、搜几个、搜哪里）。
边界与限制
不要在以下情况使用：
- 纯数学或逻辑推理任务——搜索不会比模型推理更准确。
- 创意写作或文学创作——外部搜索可能干扰创意一致性。
- 已有完整上下文的封闭文档问答（NotebookLM 模式）——搜索会引入噪音。
- 实时性要求极低的历史或哲学讨论——模型内化知识已足够。
常见失败模式：
- 搜索过度：每次回复都搜索，即使用户只是在闲聊，增加延迟和成本却无信息增益。
- 单查询依赖：只用一种查询形态，遗漏不同索引维度的信息。
- 源优先级倒置：公共网页信息覆盖了企业内部权威数据，导致回答偏离业务事实。
- 追问不重新搜索：复用过时结果回答追问，在新闻或金融场景中产生幻觉。
- 忽视语言一致性：用英语搜索再翻译回中文，丢失查询精度和文化语境。