Einordnung
Dieser Skill beschreibt einen bestimmten Werkzeugweg: Tavily- und Exa-Anwendungen über die inference.sh-Kommandozeile belt. Die Installation stellt dem Agenten Anweisungen bereit, installiert aber nicht alle Abhängigkeiten, legt kein Anbieter-Konto an und enthält keine Credits. Die Quelle trennt Seitensuche und Auslesen bekannter Adressen; zuerst muss daher zwischen Forschungsfrage und vorhandener URL unterschieden werden.
Für Recherchen zunächst mögliche Quellen suchen, passende Treffer auswählen und deren Inhalt lesen, bevor eine Antwort entsteht. URLs aufbewahren, damit Aussagen nachvollziehbar bleiben. Die Quelle zeigt auch einen gesonderten Modellschritt, dessen Platzhalter durch echte Ergebnisse ersetzt werden müssen. Suchantworten und ausgelesene Seiten sind Zwischenmaterial, kein unabhängiger Nachweis für Richtigkeit oder Aktualität.
Benötigte Eingaben
- Eine gezielte Suchanfrage oder tatsächliche URLs zum Auslesen.
- Eine eingerichtete belt-Sitzung mit Zugriff auf die ausgewählte Anwendung.
Erwartete Ergebnisse
- Suchtreffer oder Seiteninhalt je nach Anwendung.
- Ein Quellensatz für einen gesonderten Zusammenfassungs- oder Analyseschritt.
Vorgehensweise
- Installationsanleitung lesen und in der eigenen Umgebung anmelden.
- Suche oder Extraktion mit der jeweils dokumentierten Eingabestruktur wählen.
- Seiten und Daten prüfen; vor der Modellübergabe Platzhalter durch echte Inhalte ersetzen.
- Wichtige Schlussfolgerungen mit Originalseiten vergleichen und URLs erhalten.
Grenzen und Prüfungen
- Verfügbarkeit der genannten Anwendungs-IDs für das eigene Konto prüfen.
- Ein späterer Modellaufruf hat eigene Verfügbarkeit und Kosten.
- Ein Suchausschnitt ist keine vollständige Seite; auch ausgelesene Inhalte können veraltet sein.
Häufige Fragen
Ist nach der Installation sofort Webzugriff verfügbar?
Der Skill liefert eine CLI-Anleitung. belt, Anmeldung und Anwendungszugriff müssen in der eigenen Umgebung vorhanden sein.
Kann das Recherche-und-Modell-Beispiel unverändert laufen?
Die Platzhalter müssen echte Ergebnisse enthalten und die Modellanwendung muss zugänglich sein. Der Beispieltext ist noch keine ausgeführte Recherche.
Diesen Skill installieren
Füge diesen Skill mit der Skills CLI aus seiner verifizierten GitHub-Quelle hinzu.
npx skills add https://github.com/101-skills/superpowers --skill web-searchQuellenangaben
Aus dem Quell-Repository gerendert; Überschriften, Beispiele, Code, Tabellen, Links und Bilder bleiben erhalten.
Install the belt CLI skill: npx skills add belt-sh/cliWeb Search & Extraction
Search the web and extract content via inference.sh CLI.
Quick Start
Requires inference.sh CLI (belt). Install instructionsbelt login
# Search the web
belt app run tavily/search-assistant --input '{"query": "latest AI developments 2024"}'Available Apps
Tavily
| App | App ID | Description |
|---|---|---|
| Search Assistant | tavily/search-assistant | AI-powered search with answers |
| Extract | tavily/extract | Extract content from URLs |
Exa
| App | App ID | Description |
|---|---|---|
| Search | exa/search | Smart web search with AI |
| Answer | exa/answer | Direct factual answers |
| Extract | exa/extract | Extract and analyze web content |
Examples
Tavily Search
belt app run tavily/search-assistant --input '{
"query": "What are the best practices for building AI agents?"
}'Returns AI-generated answers with sources and images.
Tavily Extract
belt app run tavily/extract --input '{
"urls": ["https://example.com/article1", "https://example.com/article2"]
}'Extracts clean text and images from multiple URLs.
Exa Search
belt app run exa/search --input '{
"query": "machine learning frameworks comparison"
}'Returns highly relevant links with context.
Exa Answer
belt app run exa/answer --input '{
"question": "What is the population of Tokyo?"
}'Returns direct factual answers.
Exa Extract
belt app run exa/extract --input '{
"url": "https://example.com/research-paper"
}'Extracts and analyzes web page content.
Workflow: Research + LLM
# 1. Search for information
belt app run tavily/search-assistant --input '{
"query": "latest developments in quantum computing"
}' > search_results.json
# 2. Analyze with Claude
belt app run openrouter/claude-sonnet-45 --input '{
"prompt": "Based on this research, summarize the key trends: <search-results>"
}'Workflow: Extract + Summarize
# 1. Extract content from URL
belt app run tavily/extract --input '{
"urls": ["https://example.com/long-article"]
}' > content.json
# 2. Summarize with LLM
belt app run openrouter/claude-haiku-45 --input '{
"prompt": "Summarize this article in 3 bullet points: <content>"
}'Use Cases
- Research: Gather information on any topic
- RAG: Retrieval-augmented generation
- Fact-checking: Verify claims with sources
- Content aggregation: Collect data from multiple sources
- Agents: Build research-capable AI agents
Related Skills
# Full platform skill (all apps)
npx skills add inference-sh/skills@infsh-cli
# LLM models (combine with search for RAG)
npx skills add inference-sh/skills@llm-models
# Image generation
npx skills add inference-sh/skills@ai-image-generationBrowse all apps: belt app list
Documentation
- Adding Tools to Agents - Equip agents with search
- Building a Research Agent - LLM + search integration guide
- Tool Integration Tax - Why pre-built tools matter
