Matt Van Horn

Parallel

知识管理v1.2.1
作者:Matt Van Horn更新于 2026-05-18共 11 个版本 · 最新版本发布于 2026-03-07parallel
#Web Search#Agentic

据 AlphaMoat 统计,截至 2026-09,Parallel 累计下载 3,621 次、获 3 个星标,在全部 5,078 个 AI 技能中排名第 3,002 位,在「知识管理」分类(442 个)中排名第 273 位。

累计安装
118
累计下载
3,621
星标
3
全站排名
#3,002
全站前 60% · 「知识管理」前 62%
平台累计安装累计下载星标评论
ClawHub ↗1183,6213-

各平台的计数口径不同,统计时间不一致。

这个技能是做什么的

使用前需配置 PARALLEL_API_KEY。不同模式在多步研究、延迟和成本之间有取舍;应结合原始来源核验结果,不能仅凭搜索输出下结论。

资料发布于 2026-10-29

可以用来做什么

  • 检索主题相关网页资料并整理引用
  • 根据速度或多步研究需求选择搜索模式

什么时候用

  • 需要通过 Parallel.ai API 搜索和研究网页资料时

示例提示词

以下是根据技能文档生成的示例,不代表实际运行结果。

说明为此研究选择搜索模式时要考虑的取舍,并列出来源核验方式;不要调用 API。

月度数据趋势

累计下载3,621
2,2933,0063,7192026-03 · 累计下载 2,3912026-05 · 累计下载 2,9722026-06 · 累计下载 3,1262026-07 · 累计下载 3,3962026-08 · 累计下载 3,5102026-09 · 累计下载 3,62126-0326-09
星标3
2342026-03 · 星标 32026-05 · 星标 32026-06 · 星标 32026-07 · 星标 32026-08 · 星标 32026-09 · 星标 326-0326-09

2026-09 起统计方法调整:同名技能按作者分别统计,并覆盖全部技能。图中虚线为调整前的月份,与之后的数据不直接比较,也不计算跨越调整的增长。

月份累计下载环比星标
2026-093,621—3
2026-083,510+3.4%3
2026-073,396+8.6%3
2026-063,126+5.2%3
2026-052,972—3
2026-032,391—3

SKILL.md 原文

以下是作者发布的原始文件,按纯文本显示,本站未做修改或审核;其中的链接不可点击,命令请核实后再运行。抓取于 2026-10-23。

2.5 KB · ClawHub v1.2.1
---
name: parallel
version: "1.1.0"
description: High-accuracy web search and research via Parallel.ai API. Optimized for AI agents with rich excerpts and citations. Supports agentic mode for token-efficient multi-step reasoning.
author: mvanhorn
license: MIT
repository: https://github.com/mvanhorn/clawdbot-skill-parallel
homepage: https://parallel.ai
triggers:
  - parallel
展开全部(共 97 行)
  - deep search
  - research
metadata:
  openclaw:
    emoji: "🔬"
    requires:
      env:
        - PARALLEL_API_KEY
    primaryEnv: PARALLEL_API_KEY
    tags:
      - search
      - research
      - web
      - parallel
      - citations
---

# Parallel.ai 🔬

High-accuracy web search API built for AI agents. Outperforms Perplexity/Exa on research benchmarks.

## Setup

```bash
pip install parallel-web
```

API key is configured. Uses Python SDK.

```python
from parallel import Parallel
client = Parallel(api_key="YOUR_KEY")
response = client.beta.search(
    mode="one-shot",  # or "fast" for lower latency/cost, "agentic" for multi-hop
    max_results=10,
    objective="your query"
)
```

## Modes

| Mode | Use Case | Tradeoff |
|------|----------|----------|
| `one-shot` | Default, balanced accuracy | Best for most queries |
| `fast` ⚡ | Quick lookups, cost-sensitive | Lower latency/cost, may sacrifice some accuracy |
| `agentic` | Complex multi-hop research | Higher accuracy, more expensive |

## Quick Usage

```bash
# Default search (one-shot mode)
{baseDir}/.venv/bin/python {baseDir}/scripts/search.py "Who is the CEO of Anthropic?" --max-results 5

# Fast mode - lower latency/cost ⚡
{baseDir}/.venv/bin/python {baseDir}/scripts/search.py "latest AI news" --mode fast

# Agentic mode - complex research
{baseDir}/.venv/bin/python {baseDir}/scripts/search.py "compare transformer architectures" --mode agentic

# JSON output
{baseDir}/.venv/bin/python {baseDir}/scripts/search.py "latest AI news" --json
```

## Response Format

Returns structured results with:
- `search_id` - unique search identifier
- `results[]` - array of results with:
  - `url` - source URL
  - `title` - page title
  - `excerpts[]` - relevant text excerpts
  - `publish_date` - when available
- `usage` - API usage stats

## When to Use

- **Deep research** requiring cross-referenced facts
- **Company/person research** with citations
- **Fact-checking** with evidence-based outputs
- **Complex queries** that need multi-hop reasoning
- Higher accuracy than traditional search for research tasks

## API Reference

Docs: https://docs.parallel.ai
Platform: https://platform.parallel.ai

「知识管理」分类下的热门技能

Matt Van Horn 的其他技能

数据月份:2026-09 · 下载/星标/安装数聚合自公开技能注册库(ClawHub、SkillHub),按月更新。口径说明见数据方法。