概述
此工作流程将 Scavio 支持的搜索节点添加到您的 LangGraph 代理图中。该代理每天运行，使用实时搜索数据研究配置的主题，并生成下游节点可以处理的基础报告。
触发器
每日 cron 在上午 7:00 或由任务队列中的新研究请求触发。
计划
每天上午 7:00
工作流步骤
1
定义 LangGraph 状态模式
创建流经该图的状态模式。它保存研究查询、搜索结果和最终综合输出。
2
构建 Scavio 搜索节点
创建一个 LangGraph 节点，该节点从状态中获取查询，从 Scavio 获取实时结果，并将它们附加到状态的 search_results 列表中。
3
构建综合节点
创建一个节点，用于获取搜索结果并生成带有引用的接地摘要。该节点可以调用 LLM 或使用基于模板的综合。
4
组装并运行图表
将 LangGraph StateGraph 中的节点连接在一起并执行日常研究运行。
Python 实现
Python
import requests, os
H = {'x-api-key': os.environ['SCAVIO_API_KEY'], 'Content-Type': 'application/json'}
data = requests.post('https://api.scavio.dev/api/v1/search', headers=H, json={'query': 'example', 'country_code': 'us'}).json()
print(len(data.get('organic_results', [])))JavaScript 实现
JavaScript
const H = {'x-api-key': process.env.SCAVIO_API_KEY, 'Content-Type': 'application/json'};
fetch('https://api.scavio.dev/api/v1/search', {method: 'POST', headers: H, body: JSON.stringify({query: 'example', country_code: 'us'})}).then(r => r.json()).then(d => console.log(d.organic_results?.length));使用的平台
包含知识图谱、PAA和AI概览的网页搜索
YouTube
包含转录和元数据的视频搜索
来自任何subreddit的社区、帖子及线程评论