用途：把网络搜索与 Qdrant 向量库结合，先查本地知识，再按需联网检索，并将有价值结果存入持久知识库，形成一个可检索、可筛选的知识系统。
工作流程分四步：一是用 qdrant-find 先检查 Qdrant 中是否已有答案，若信息充足且 harvested_at 较新则直接使用；二是当存量不足或过时时，用 WebSearch 以精炼后的查询词搜索；三是用 qdrant-store 保存有价值的结果，并附带丰富元数据；四是综合已有知识和新检索结果返回答案。
元数据分几类。必需字段：source（来源，如 web_search、api_docs、github、manual）、content_type（text、code、image、video_transcript）、harvested_at（ISO 8601 时间戳）。搜索上下文：query（原始查询）、urls（来源 URL 数组，便于筛选）、domain（主域名）。分类字段（用于过滤）：category（technology、business、science、design、security、devops）、subcategory（更细分类，如 databases、frontend、ml、networking）、type（documentation、tutorial、troubleshooting、reference、comparison、news）。技术上下文：language、framework、version、platform。质量信号：confidence（high、medium、low）、freshness（current、recent、dated、historical）、depth（overview、detailed、comprehensive）。关系字段：related_topics、project、supersedes、parent_topic。此外还支持仅以 URL 记录图片引用，字段为 image_url、alt_text、image_type，不下载图片。
筛选示例：查 Python 文档可用 category: technology、language: python、type: documentation；查近期排障可用 type: troubleshooting、freshness: current；按项目查可用 project: reflex。建议存储技术文档、API 模式与示例、错误解决方案与变通方法、最佳实践、工具对比评估；无需存储简单事实查询（日期、定义）、时效性短的信息（天气、股价）以及与已有 Qdrant 内容重复的信息。
该技能可与其他技能配合：research-patterns 用其做外部搜索，qdrant-patterns 沿用同一元数据约定，knowledge-ingestion-patterns 采用兼容的分块方式，github-harvester 使用相似元数据模式。
限制：依赖 WebSearch 与 Qdrant 相关工具（qdrant-find、qdrant-store）的可用性；具体安装与配置方式、收费信息暂未提供。