tavily-research

Par tavily-ai · skills

Effectuez des recherches approfondies alimentées par l'IA avec citations via le Tavily CLI. Utilisez cette skill lorsque l'utilisateur souhaite une recherche approfondie, un rapport détaillé, une comparaison, une analyse de marché, une revue de littérature, ou dit « research », « investigate », « analyze in depth », « compare X vs Y », « what does the market look like for », ou a besoin d'une synthèse multi-sources avec citations explicites. Retourne un rapport structuré ancré dans des sources web. Prend 30 à 120 secondes. Pour une recherche rapide de faits, utilisez tavily-search à la place.

npx skills add https://github.com/tavily-ai/skills --skill tavily-research

tavily research

Recherche profonde alimentée par IA qui rassemble des sources, les analyse et produit un rapport cité. Prend 30-120 secondes.

Avant d'exécuter une commande

Si tvly ne se trouve pas sur PATH, installez-le d'abord :

curl -fsSL https://cli.tavily.com/install.sh | bash && tvly login

Ne sautez pas cette étape et ne basculez pas vers d'autres outils.

Consultez tavily-cli pour les méthodes d'installation alternatives et les options d'authentification.

Quand l'utiliser

  • Vous avez besoin d'une analyse complète multi-sources
  • L'utilisateur veut une comparaison, un rapport de marché ou une revue de littérature
  • Les recherches rapides ne suffisent pas — vous avez besoin d'une synthèse avec citations
  • Étape 5 du workflow : search → extract → map → crawl → research

Démarrage rapide

# Recherche basique (attend la fin)
tvly research "competitive landscape of AI code assistants"

# Modèle Pro pour une analyse complète
tvly research "electric vehicle market analysis" --model pro

# Afficher les résultats en temps réel
tvly research "AI agent frameworks comparison" --stream

# Enregistrer le rapport dans un fichier
tvly research "fintech trends 2025" --model pro -o fintech-report.md

# Sortie JSON pour les agents
tvly research "quantum computing breakthroughs" --json

Options

Option Description
--model mini, pro, ou auto (par défaut)
--stream Afficher les résultats en temps réel
--no-wait Retourner request_id immédiatement (asynchrone)
--output-schema Chemin vers un schéma JSON pour une sortie structurée
--citation-format numbered, mla, apa, chicago
--poll-interval Secondes entre les vérifications (par défaut : 10)
--timeout Temps d'attente maximum en secondes (par défaut : 600)
-o, --output Enregistrer la sortie dans un fichier
--json Sortie JSON structurée

Sélection du modèle

Modèle À utiliser pour Vitesse
mini Recherche ciblée sur un seul sujet ~30s
pro Analyse complète multi-angle ~60-120s
auto L'API choisit selon la complexité Variable

Règle empirique : « Qu'est-ce que X fait ? » → mini. « X vs Y vs Z » ou « meilleure façon de... » → pro.

Workflow asynchrone

Pour une recherche longue, vous pouvez démarrer et sonder séparément :

# Démarrer sans attendre
tvly research "topic" --no-wait --json    # retourne request_id

# Vérifier le statut
tvly research status <request_id> --json

# Attendre la fin
tvly research poll <request_id> --json -o result.json

Conseils

  • La recherche prend 30-120 secondes — utilisez --stream pour voir la progression en temps réel.
  • Utilisez --model pro pour les comparaisons complexes ou les sujets multi-facettes.
  • Utilisez --output-schema pour obtenir une sortie JSON structurée correspondant à un schéma personnalisé.
  • Pour des faits rapides, utilisez tvly search à la place — research est pour la synthèse profonde.
  • Lire depuis stdin : echo "query" | tvly research - --json

Voir aussi

  • tavily-search — recherche web rapide pour des recherches simples
  • tavily-crawl — extraire en masse d'un site pour votre propre analyse

Skills similaires