Exa 是一个专为 LLM 使用而设计的搜索引擎。使用自然语言查询在互联网上搜索文档，然后从所需文档中检索清理后的 HTML 内容。
与基于关键词的搜索（如 Google）不同，Exa 的神经搜索能力使其能够语义理解查询并返回相关文档。例如，我们可以搜索 "fascinating article about cats"，并比较 Google 和 Exa 的搜索结果。Google 会根据关键词 “fascinating” 提供经过 SEO 优化的列表文章。而 Exa 则直接有效。
本笔记本将介绍如何将 Exa Search 与 LangChain 结合使用。
安装 LangChain Exa 集成包：
pip install -qU langchain-exa
# 以及本笔记本所需的一些依赖项
pip install -qU langchain langchain-openai langchain-community
import getpass
import os
if not os.environ.get("EXA_API_KEY"):
os.environ["EXA_API_KEY"] = getpass.getpass("Exa API key:\n")
使用 ExaSearchResults 工具
ExaSearchResults 是一个可与 LangChain 代理一起使用的工具，用于执行 Exa 搜索。它为搜索操作提供了更结构化的接口：
from langchain_exa import ExaSearchResults
# 初始化 ExaSearchResults 工具
search_tool = ExaSearchResults(exa_api_key=os.environ["EXA_API_KEY"])
# 执行搜索查询
search_results = search_tool._run(
query="When was the last time the New York Knicks won the NBA Championship?",
num_results=5,
text_contents_options=True,
highlights=True,
)
print("Search Results:", search_results)
ExaSearchResults 的高级功能
您可以使用高级搜索选项，如控制搜索类型、实时爬取和内容过滤：
# 使用高级选项执行搜索查询
search_results = search_tool._run(
query="Latest AI research papers",
num_results=10, # 结果数量 (1-100)
type="auto", # 可以是 "neural"、"keyword" 或 "auto"
livecrawl="always", # 可以是 "always"、"fallback" 或 "never"
text_contents_options={"max_characters": 2000}, # 限制文本长度
summary={"query": "generate one liner"}, # 自定义摘要提示
)
print("Advanced Search Results:")
print(search_results)
使用 ExaFindSimilarResults 工具
ExaFindSimilarResults 允许您查找与给定 URL 相似的网页。这对于查找相关内容或进行竞争分析非常有用：
from langchain_exa import ExaFindSimilarResults
# 初始化 ExaFindSimilarResults 工具
find_similar_tool = ExaFindSimilarResults(exa_api_key=os.environ["EXA_API_KEY"])
# 基于 URL 查找相似结果
similar_results = find_similar_tool._run(
url="http://espn.com", num_results=5, text_contents_options=True, highlights=True
)
print("Similar Results:", similar_results)
在代理中使用
我们可以将 ExaSearchResults 和 ExaFindSimilarResults 工具与 LangGraph 代理结合使用。这使代理能够根据用户查询动态搜索信息并查找相似内容。
首先，设置语言模型。您需要提供您的 OpenAI API 密钥：
import getpass
if not os.environ.get("OPENAI_API_KEY"):
os.environ["OPENAI_API_KEY"] = getpass.getpass("OpenAI API key:\n")
pip install -qU langgraph
from langchain.chat_models import init_chat_model
from langchain_exa import ExaFindSimilarResults, ExaSearchResults
from langchain.agents import create_agent
# 初始化语言模型
model = init_chat_model(model="gpt-4.1", model_provider="openai", temperature=0)
# 初始化 Exa 工具
exa_search = ExaSearchResults(
exa_api_key=os.environ["EXA_API_KEY"],
max_results=5,
)
exa_find_similar = ExaFindSimilarResults(
exa_api_key=os.environ["EXA_API_KEY"],
max_results=5,
)
# 创建包含两个工具的代理
agent = create_agent(model, [exa_search, exa_find_similar])
# 示例 1：基本搜索
user_input = "What are the latest developments in quantum computing?"
for step in agent.stream(
{"messages": user_input},
stream_mode="values",
):
step["messages"][-1].pretty_print()
使用 ExaSearchRetriever
ExaSearchRetriever 是一个使用 Exa Search 检索相关文档的检索器。
TextContentsOptions 的 max_characters 参数以前称为 max_length，现已弃用。请确保使用 max_characters。
基本用法
以下是使用 ExaSearchRetriever 的简单示例：
from langchain_exa import ExaSearchRetriever
# 创建 ExaSearchRetriever 的新实例
exa = ExaSearchRetriever(exa_api_key=os.environ["EXA_API_KEY"])
# 搜索查询并保存结果
results = exa.invoke("What is the capital of France?")
# 打印结果
print(results)
高级功能
您可以使用高级功能，如控制结果数量、搜索类型、实时爬取、摘要和文本内容选项：
from langchain_exa import ExaSearchRetriever
# 使用高级选项创建新实例
exa = ExaSearchRetriever(
exa_api_key=os.environ["EXA_API_KEY"],
k=20, # 结果数量 (1-100)
type="auto", # 可以是 "neural"、"keyword" 或 "auto"
livecrawl="always", # 可以是 "always"、"fallback" 或 "never"
text_contents_options={"max_characters": 3000}, # 限制文本长度
# 用于 LLM 生成页面内容摘要的自定义提示
summary={"query": "generate one line summary in simple words."},
)
# 使用高级选项搜索
results = exa.invoke("Latest developments in quantum computing")
print(f"Found {len(results)} results")
for result in results[:3]: # 打印前 3 个结果
print(f"Title: {result.metadata.get('title', 'N/A')}")
print(f"URL: {result.metadata.get('url', 'N/A')}")
print(f"Summary: {result.metadata.get('summary', 'N/A')}")
print("-" * 80)
API 参考
有关所有 Exa API 功能和配置的详细文档，请访问 Exa API 文档。
