Firecrawl 推出新功能 /search，这是一个专为开发者和 AI 代理打造的网页搜索与抓取接口。用户可以通过一次 API 请求获取搜索结果及其完整内容，返回格式支持 Markdown、HTML、截图等，便于大模型使用。

功能亮点：

  • 一次 API 调用即可实现搜索 + 抓取网页内容。
  • 在后端直接运行自然语言查询，无需借助浏览器或第三方搜索服务。
  • 返回内容格式支持：Markdown、HTML、纯链接、网页截图。
  • 输出结果对 LLM（大语言模型）友好，便于 AI 处理网页内容。

举个例子：

你想让一个 AI 去网上搜索“最新 AI 技术”，还要把每个结果的网页内容都提取出来分析。以前你可能需要分两步：

  1. 用搜索 API 得到搜索结果
  2. 再对每个网址分别抓取内容

现在只需要 一次调用 /search 接口，就能：

  • 搜索关键词
  • 自动抓取每个结果的网页内容
  • 得到格式标准、适合 AI 用的数据（比如 Markdown）

📌 核心功能

  1. 一体化搜索 + 抓取操作

    • 使用 /search 端点，可在一次调用中进行网络搜索，并可选择抓取搜索结果中的页面内容。

  2. 灵活的结果格式

    • 无论你是在构建 AI 代理（AI agents）、进行深度研究、寻找潜在客户（leads），还是在编程开发中，你都需要快速获取合适的网页数据。

      使用 /search 接口，你可以一次性获得：

      • markdown：结构化干净的 Markdown 格式内容；
      • html：处理后的 HTML；
      • rawHtml：原始 HTML；
      • links：页面中提取的链接；
      • screenshot / screenshot@fullPage：网页截图（全页或局部）；
      • extract：结构化数据抽取。
    • 通过一个视频，展示 /search 通过MCP如何使用的

  3. 搜索参数可定制

    • 支持通过参数设置搜索语言（hl）与国家（gl）；

    • 时间过滤器支持以下粒度（使用 tbs 参数）：

      • qdr:h：过去1小时
      • qdr:d：过去24小时
      • qdr:w：过去一周
      • qdr:m：过去一个月
      • qdr:y：过去一年
    • 支持设置搜索超时限制。
  4. 响应结构示例

``` { "success": true, "data": [ { "title": "Firecrawl - The Ultimate Web Scraping API", "description": "Firecrawl is a powerful web scraping API...", "url": "https://firecrawl.dev/", "markdown": "...", "links": [...], "metadata": { "title": "...", "description": "...", "sourceURL": "...", "statusCode": 200 } } ] }

```

🚀 适用场景

  • 自动化知识提取
  • 搜索结果的结构化整合
  • 市场监测和舆情分析
  • 内容聚合工具开发
  • AI 训练数据构建

详细文档：https://docs.firecrawl.dev/features/search

Firesearch：AI 驱动的深度网络研究工具

为了展示这个新功能的能力，Firecrawl 还开发了一个开源应用 Firesearch，它是一个研究工具，展示了怎么用 /search 来构建一个完整的研究型产品。

Firesearch 是一个结合 Firecrawl /search API和 OpenAI GPT-4o 构建的智能搜索工具，可进行多轮、多源的网页信息抓取、分析与整合，适用于复杂问题的研究与问答场景。

🔧 功能亮点

✅ 智能搜索流程（架构拆解）

  1. Query Decomposition
    将复杂问题拆解为多个更小、可管理的子问题
  2. Multi-Search via Firecrawl
    每个子问题执行独立搜索，最多生成 12 条搜索请求
  3. Content Extraction
    从每个结果页面中提取 Markdown 内容（使用 scrapeOptions）
  4. Answer Validation
    判断页面内容是否“真正回答了问题”，信度阈值为 0.7+
  5. Retry Mechanism
    未命中时自动更换关键词、调整语义重新查询（最多重试 2 次）
  6. Answer Synthesis
    GPT-4o 将所有命中内容整合为有引用来源的综合答案

📌 高级特性一览

  • ✅ 实时搜索进度更新
  • 🔁 自动重试策略：关键词变换、同义词替换、查询重构
  • 📎 完整引用：每个答案带网页原始链接
  • 🧠 会话记忆：支持上下文追问与多轮查询
  • ⚙️ 可配置参数（如最大查询数、最小内容长度、超时等）

🧠 核心技术组件

GitHub：https://github.com/mendableai/firesearch

Deep Job Researcher

Deep Job Researcher 是一个基于 Next.js 开发的全栈应用，帮助求职者通过上传简历，智能匹配互联网上的职位信息。也是结合了 Firecrawl 的 /search 网页抓取能力与 OpenAI 的语义分析功能，提供深度个性化的职位推荐。

🚀 核心功能

  1. 简历解析

    • 用户上传 PDF 简历；
    • 系统通过 OpenAI 模型提取技能、经验和教育背景等关键信息。

  2. 职位匹配

    • 使用 Firecrawl API 进行网络爬虫，抓取真实职位信息；
    • OpenAI 对职位描述进行解析，并与简历进行比对打分。

  3. 匹配评分与解释

    • 每个职位附有匹配度评分；
    • 提供自然语言解释说明该职位为何适合（或不适合）用户。

  4. 高级过滤器

    • 用户可按职位类型、地区、薪资范围、经验要求等维度筛选结果。

GitHub：https://github.com/mendableai/firecrawl-app-examples/tree/main/deep-job-researcher