serper-search

Compare original and translation side by side

🇺🇸

Original

English

🇨🇳

Translation

Chinese

Google Serper Search Tool

基于 Google Serper API 的网页搜索工具，提供实时、准确的搜索结果。

A web search tool based on Google Serper API, providing real-time and accurate search results.

When to Activate

当用户提到以下内容时自动激活：

Automatically activate when the user mentions the following:

搜索类关键词

Search-related Keywords

"搜索"、"搜一下"、"搜搜"、"查找"、"找一下"
"研究"、"调研"、"了解"
"查询"、"检索"
"看看"、"查查"

"search", "look up", "find", "check"
"research", "investigate", "learn about"
"inquire", "retrieve"
"see", "check out"

特定场景

Specific Scenarios

需要获取最新新闻、信息
需要验证事实或数据
需要研究某个技术或概念
需要查找文档、教程
需要比较不同产品或方案

Need to get the latest news or information
Need to verify facts or data
Need to research a certain technology or concept
Need to find documents or tutorials
Need to compare different products or solutions

示例问题

Example Questions

"搜一下最新的 AI 发展趋势"
"帮我搜索最新的 AI 发展趋势"
"查找一下 Python 3.13 的新特性"
"研究一下自动驾驶技术的现状"
"查查最新的网络安全新闻"
"找一些关于微服务的教程"

"Search the latest AI development trends"
"Help me search the latest AI development trends"
"Find the new features of Python 3.13"
"Research the current status of autonomous driving technology"
"Check the latest cybersecurity news"
"Find some tutorials about microservices"

Tools

serper_search

用途： 执行网络搜索，返回结果列表

参数：

```
query
```
(必选，string)：搜索关键词
```
num
```
(可选，number)：返回结果数量，默认 5，最大 20
```
gl
```
(可选，string)：国家代码，默认 cn
推荐值： cn（中国）、us（美国）、uk（英国）、jp（日本）
```
hl
```
(可选，string)：语言代码，默认 zh-CN
推荐值： zh-CN（简体中文）、en（英文）、ja（日语）

Purpose: Execute web search and return a list of results

Parameters:

```
query
```
(required, string): Search keywords
```
num
```
(optional, number): Number of results to return, default is 5, maximum is 20
```
gl
```
(optional, string): Country code, default is cn
Recommended values: cn (China), us (United States), uk (United Kingdom), jp (Japan)
```
hl
```
(optional, string): Language code, default is zh-CN
Recommended values: zh-CN (Simplified Chinese), en (English), ja (Japanese)

Best Practices

1. 搜索技巧

1. Search Tips

使用具体的关键词，避免过于宽泛：

示例：

✅ "Kimi AI 模型参数对比 2025"
✅ "Python 3.13 新特性官方文档"
❌ "Python"（太宽泛，结果太多）

Use specific keywords and avoid being too broad:

Examples:

✅ "Kimi AI model parameters comparison 2025"
✅ "Python 3.13 new features official documentation"
❌ "Python" (Too broad, too many results)

2. 添加时间限定

2. Add Time Constraints

明确时间范围，获取最新信息：

示例：

✅ "LangChain 最新文档 2025"
✅ "Python 3.13 发布时间"
✅ "AI 人工智能新闻 2025年2月"

Specify a time range to get the latest information:

Examples:

✅ "LangChain latest documentation 2025"
✅ "Python 3.13 release date"
✅ "AI artificial intelligence news February 2025"

3. 使用精确搜索

3. Use Exact Search

用引号搜索精确短语：

示例：

✅ ""machine learning" 最佳实践"
✅ ""RAG 架构" 实现"

Use quotation marks to search for exact phrases:

Examples:

✅ ""machine learning" best practices"
✅ ""RAG architecture" implementation"

4. 添加技术术语

4. Add Technical Terms

提高搜索精度：

示例：

✅ "Spring Cloud 微服务实现"
✅ "React Hooks useEffect 使用"

Improve search accuracy:

Examples:

✅ "Spring Cloud microservices implementation"
✅ "React Hooks useEffect usage"

5. 结果数量选择

5. Result Quantity Selection

根据需求调整：

快速查询：
```
num=3
```
（快速浏览核心信息）
深入研究：
```
num=10
```
（全面了解主题）
综合调研：
```
num=20
```
（最大深度，覆盖面广）

Adjust according to needs:

Quick query:
```
num=3
```
(Quickly browse core information)
In-depth research:
```
num=10
```
(Comprehensively understand the topic)
Comprehensive research:
```
num=20
```
(Maximum depth, wide coverage)

6. 多轮搜索策略

6. Multi-round Search Strategy

对于复杂主题，使用多轮搜索深入挖掘：

场景：研究微服务架构

javascript

// 第一轮：基础概念
serper_search({ query: "微服务架构 概念 优势", num: 5 })

// 第二轮：技术实现
serper_search({ query: "微服务 Spring Cloud Kubernetes", num: 8 })

// 第三轮：最佳实践
serper_search({ query: "微服务 最佳实践 常见问题", num: 10 })

For complex topics, use multi-round searches to dig deeper:

Scenario: Research microservices architecture

javascript

// 第一轮：基础概念
serper_search({ query: "微服务架构 概念 优势", num: 5 })

// 第二轮：技术实现
serper_search({ query: "微服务 Spring Cloud Kubernetes", num: 8 })

// 第三轮：最佳实践
serper_search({ query: "微服务 最佳实践 常见问题", num: 10 })

7. 结果处理原则

7. Result Handling Principles

优先权威来源： 官方文档、知名技术博客、学术论文
交叉验证： 对比多个来源的信息
关注时效性： 优先较新的内容（近1-2年）
快速筛选： 通过 snippet 判断相关性

Prioritize authoritative sources: Official documentation, well-known technical blogs, academic papers
Cross-validation: Compare information from multiple sources
Focus on timeliness: Prioritize newer content (last 1-2 years)
Quick screening: Judge relevance through snippets

Example Scenarios

场景 1：技术调研

Scenario 1: Technical Research

用户提问： "研究一下 LangChain 的核心概念"

AI 行为：

javascript

// 搜索核心概念
serper_search({
  query: "LangChain 核心概念 官方文档 2025",
  num: 5
})

// 如果需要更多细节，继续搜索
serper_search({
  query: "LangChain Agents Chains 使用示例",
  num: 8
})

回复示例：

根据搜索结果，LangChain 的核心概念包括：

1. **Chains（链）**：将多个组件串联成工作流
2. **Agents（智能体）**：自主决策的 AI 代理
3. **Tools（工具）**：LLM 可用的外部能力
4. **Memory（记忆）**：对话上下文管理

📖 详细文档：https://python.langchain.com/

User Question: "Research the core concepts of LangChain"

AI Action:

javascript

// 搜索核心概念
serper_search({
  query: "LangChain 核心概念 官方文档 2025",
  num: 5
})

// 如果需要更多细节，继续搜索
serper_search({
  query: "LangChain Agents Chains 使用示例",
  num: 8
})

Response Example:

According to search results, the core concepts of LangChain include:

1. **Chains**: Connect multiple components into a workflow
2. **Agents**: Autonomous decision-making AI agents
3. **Tools**: External capabilities available to LLMs
4. **Memory**: Dialogue context management

📖 Detailed documentation: https://python.langchain.com/

场景 2：新闻获取

Scenario 2: News Retrieval

用户提问： "今天有什么 AI 新闻？"

AI 行为：

javascript

serper_search({
  query: "AI 人工智能 新闻 2025年2月6日",
  num: 10
})

回复示例：

今日 AI 要闻：

1. **OpenAI 发布新模型**：能力提升 30%
2. **Google DeepMind**：突破蛋白质折叠新算法
3. **中国 AI 监管**：新规发布，促进行业健康发展

🔍 来源：各大科技媒体报道

User Question: "What's the latest AI news today?"

AI Action:

javascript

serper_search({
  query: "AI artificial intelligence news February 6, 2025",
  num: 10
})

Response Example:

Today's AI Headlines:

1. **OpenAI releases new model**: 30% capability improvement
2. **Google DeepMind**: Breaks new algorithm for protein folding
3. **China AI regulation**: New rules released to promote healthy industry development

🔍 Sources: Major tech media reports

场景 3：产品比较

Scenario 3: Product Comparison

用户提问： "Kimi 和 ChatGPT 哪个更好？"

AI 行为：

javascript

// 搜索对比评测
serper_search({
  query: "Kimi ChatGPT 对比评测 2025",
  num: 5
})

回复示例：

根据评测对比：

| 特性 | Kimi | ChatGPT |
|------|------|---------|
| 中文理解 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ |
| 工具调用 | ⭐⭐⭐ | ⭐⭐⭐⭐⭐ |
| 响应速度 | 快 | 中等 |

💡 建议：中文任务用 Kimi，复杂工具调用用 ChatGPT

User Question: "Which is better, Kimi or ChatGPT?"

AI Action:

javascript

// Search comparison reviews
serper_search({
  query: "Kimi ChatGPT comparison review 2025",
  num: 5
})

Response Example:

According to comparison reviews:

| Feature | Kimi | ChatGPT |
|------|------|---------|
| Chinese comprehension | ⭐⭐⭐⭐⭐ | ⭐⭐⭐⭐ |
| Tool calling | ⭐⭐⭐ | ⭐⭐⭐⭐⭐ |
| Response speed | Fast | Medium |

💡 Recommendation: Use Kimi for Chinese tasks, ChatGPT for complex tool calling

场景 4：事实验证

Scenario 4: Fact Verification

用户提问： "听说 Python 4 要发布了，是真的吗？"

AI 行为：

javascript

serper_search({
  query: "Python 4 发布计划 官方声明",
  num: 5
})

回复示例：

经核实：

❌ Python 4 目前没有发布计划
✅ Python 3.13 是最新版本（2024年10月发布）
✅ Python 3.14 计划于 2025 年发布

📊 信息来源：Python 官方 GitHub、PSF 公告

User Question: "I heard Python 4 is going to be released, is that true?"

AI Action:

javascript

serper_search({
  query: "Python 4 release plan official statement",
  num: 5
})

Response Example:

Verified:

❌ Python 4 currently has no release plan
✅ Python 3.13 is the latest version (released in October 2024)
✅ Python 3.14 is scheduled to be released in 2025

📊 Information sources: Python official GitHub, PSF announcements

场景 5：快速查找

Scenario 5: Quick Lookup

用户提问： "帮我找一个 React Hooks 的教程"

AI 行为：

javascript

serper_search({
  query: "React Hooks 官方教程 中文",
  num: 3
})

回复示例：

推荐教程：

1. 📚 **React 官方文档**（推荐）
   https://react.dev/learn

2. 🎓 **阮一峰 React Hooks 教程**
   https://www.ruanyifeng.com/blog/2019/09/react-hooks.html

3. 📺 **B站 React Hooks 视频教程**
   搜索"React Hooks 入门"

User Question: "Help me find a React Hooks tutorial"

AI Action:

javascript

serper_search({
  query: "React Hooks official tutorial Chinese",
  num: 3
})

Response Example:

Recommended tutorials:

1. 📚 **React Official Documentation** (Recommended)
   https://react.dev/learn

2. 🎓 **Ruan Yifeng's React Hooks Tutorial**
   https://www.ruanyifeng.com/blog/2019/09/react-hooks.html

3. 📺 **Bilibili React Hooks Video Tutorial**
   Search for "React Hooks Introduction"

Limitations

搜索结果来源： Google，可能受地区和个性化影响
访问限制： 某些网站可能被屏蔽或需要登录
结果数量： 最多 20 条
速率限制： API 有调用频率限制，避免短时间内大量请求
搜索质量： 取决于关键词的准确性和时机

Search result sources: Google, which may be affected by region and personalization
Access restrictions: Some websites may be blocked or require login
Result quantity: Maximum 20 results
Rate limits: The API has call frequency limits; avoid a large number of requests in a short time
Search quality: Depends on the accuracy and timing of keywords

Configuration

环境变量配置（推荐）

Environment Variable Configuration (Recommended)

编辑

~/.openclaw/.env

：

bash

SERPER_API_KEY=your-api-key-here

Edit

~/.openclaw/.env

bash

SERPER_API_KEY=your-api-key-here

插件配置

Plugin Configuration

在

openclaw.plugin.json

的

configSchema

中配置

apiKey

。

Configure

apiKey

configSchema

openclaw.plugin.json

获取 API Key

Get API Key

访问 https://serper.dev/ 注册并获取 API Key。

免费额度：每月 2,500 次调用。

Visit https://serper.dev/ to register and get an API Key.

Free quota: 2,500 calls per month.

Related Tools

web_search： Brave Search API（备选方案）
web_fetch： 获取单个网页的详细内容

web_search: Brave Search API (alternative solution)
web_fetch: Get detailed content of a single webpage

Version History

v1.0 (2026-02-06)：初始版本，基础搜索功能
- 支持 Google Serper API
- 提供中文、英文多语言搜索
- 集成 OpenClaw Skill 系统
v1.1 (2026-02-11)：优化 description，添加触发关键词
- 更新 description 包含触发关键词
- 优化 skill 激活机制

v1.0 (2026-02-06): Initial version with basic search functionality
- Supports Google Serper API
- Provides multilingual search in Chinese and English
- Integrates with OpenClaw Skill system
v1.1 (2026-02-11): Optimized description, added trigger keywords
- Updated description to include trigger keywords
- Optimized skill activation mechanism

Future Plans

📚 serper-scholar：学术搜索支持
🔍 高级筛选：时间范围、域名过滤
📊 结果缓存：提升重复查询性能
🌍 更多地区：支持更多国家和语言

Tips： 使用搜索时，尽量用自然语言表达你的需求，AI 会自动帮你构建合适的搜索查询。

📚 serper-scholar: Academic search support
🔍 Advanced filtering: Time range, domain filtering
📊 Result caching: Improve performance for repeated queries
🌍 More regions: Support more countries and languages

Tips: When using the search tool, try to express your needs in natural language, and the AI will automatically build appropriate search queries for you.