用途：构建 RAG（检索增强生成）管道，将外部检索内容作为上下文交给 LLM 生成更准确、可核查的回答。
主要能力：提供三类工具。搜索类：tavily/search-assistant、exa/search、exa/answer；抽取类：tavily/extract、exa/extract；LLM：openrouter/claude-sonnet-45、openrouter/claude-haiku-45、openrouter/gpt-4o、openrouter/gemini-25-pro。支持简单搜索加回答、多源研究、抽取加处理三种管道模式。
使用方式：需 inference.sh CLI（belt），先 belt login。典型流程是先用 belt app run 调用搜索工具并存入变量，再把结果拼入传给 LLM 的 prompt。例如：SEARCH=$(belt app run tavily/search-assistant --input '{"query": "latest AI developments 2024"}')；belt app run openrouter/claude-sonnet-45 --input "{"prompt": "...$SEARCH"}"。
适用场景：事实核查、多源研究、URL 内容分析、研究报告生成、快速带来源问答，以及将研究能力嵌入智能体。
限制：文档未说明各工具的收费、价格、速率、额度或数据时效，也未提供对输出准确性的保证；实际可用性取决于 inference.sh 平台与对应模型。查询建议具体化、必要时先汇总长结果以控制上下文，并要求模型标注来源。