用途：为已有的实体名单（公司、人物、产品等带名称的对象）补齐字段。适合手上已有 CSV、表格或 JSON，某些列需要从网络检索补全，且需要的是广度（大量行）而非单个实体的深度报告。若尚无名单、要从条件构建名单，或只需对一个实体做详尽调研，不适用此技能。
原理：这是 tavily-research 的结构化输出（--output-schema）按行执行后合并回原列表的方案，Tavily 本身没有独立的“数据补全”API。
主要能力与用法：
- 先定义共享的 JSON schema（schema.json），每个字段对应一列；schema 字段描述建议写明“or null if not found”以避免模型猜测。
- 对每行用该行标识信息构造查询，运行 tvly research，示例：tvly research "Find the CEO, total funding raised, HQ location, and employee count for the company Anthropic." --model mini --output-schema schema.json --json
- 将结构化结果合并回该行，输出 CSV（或与原输入一致的 JSON）。
常用选项：--model（默认 mini，适合逐行窄查询；只有 mini 对知名实体仍缺字段时才用 pro）、--output-schema（共享 schema 路径，所有行保持一致）、--json（程序化解析必需）、--timeout（默认 600s）。
已知问题：截至 2026-08，通过 tvly login（OAuth）认证时 --output-schema 会失败，因为该路径经由 Tavily MCP 服务器，其 tavily_research 尚未支持 output_schema 参数；需改用原始 API key 认证，例如 tvly login --api-key tvly-YOUR_KEY 或 export TAVILY_API_KEY=tvly-YOUR_KEY。若提示 Unexpected keyword argument / Internal error... call[tavily_research] 即此原因。
限制与建议：先对 2-3 行做校验再全量运行；大批量（100+ 行）需注意速率限制并加延迟或小批并行；保留原有列，使输出为输入的超集。若 PATH 中找不到 tvly，安装说明见 https://github.com/tavily-ai/tavily-cli。