Infoseek
端到端内容智能采集与调研工作流。v1.4.1 发布版。
5 秒看懂
from infoseek_core_v2 import streaming_research
# 流式研究：lite 模式 7 步 yield，秒级完成
async for partial in streaming_research("AI", sources, lite=True):
print(partial["step"], "...") # 7 步 yield
# MCP server（15 规范工具：2 研究核心 + 11 异步 + 2 Key 管理）
python scripts/infoseek_mcp_server.py
🎉 v1.4.1 发布亮点
| 能力 | 说明 |
|---|
| 🧭 搜索引擎全生命周期 | 健康状态机 / 配额追踪 / 认证粘滞 + 新鲜度自愈（配额重置、冷却恢复、API 漂移检测）+ CLI engine-status/reconcile/probe |
| 🎯 搜索召回增强 | query 别名扩展 / 跨引擎多样性轮询（防单源垄断）/ 自适应相关性门槛 / 动态层权重 |
| 🕸️ 4 级抓取 | L1 静态 → L2 浏览器渲染 → L3 凭证辅助（KeyManager 注入，仅内存）→ L4 多媒体 chunk（whisper 可选降级） |
| 🔑 Key 管理 | 归一化 Key 管理（多后端 / 熔断 / 多 key 池 / 配额 / keyring / CLI 16 子命令） |
| ⚡ perf 10k 基准 | 10k 源近线性扩展（评分 139s / 冲突 89s / research 97s） |
| ✅ 回归测试 | 25 套件全绿 + 质量基线 26/26 all_ok |
快速上手
1. 安装 / 升级
pip install -r requirements.txt # 核心 + 文本分析 + 可选 LLM
pip install -r requirements-extra.txt # playwright（L2/L3 浏览器抓取，可选）
# 完整依赖说明见 references/external-deps.md
2. Python SDK
from infoseek_core_v2 import (
research, # 同步（兼容入口）
async_research, # 异步（推荐）
streaming_research, # 流式（推荐目标）
)
res = research("AI", sources, lite=True)
async for partial in streaming_research("AI", sources, lite=True):
pass # partial['step'] ∈ {score_complete, wikidata_complete, ...}
3. MCP 集成
项目提供 .mcp.json（双服务器配置，可直接被 Claude/Codex 等客户端加载）：
{
"mcpServers": {
"infoseek-search": {
"command": "${INFOSEEK_ROOT}/scripts/infoseek_mcp_server.py",
"args": ["--transport", "stdio"],
"env": {
"INFOSEEK_ROOT": "${INFOSEEK_ROOT}",
"INFOSEEK_DB": "${HOME}/.infoseek/infoseek_db.json",
"INFOSEEK_ARCHIVE": "${HOME}/infoseek-archives"
}
}
}
}
💡 Windows 环境请将 command 改为 python3 + args: ["脚本路径", "--transport", "stdio"]。
工具列表（15 规范 + 12 兼容并存）：
- 研究核心 2 个：
research_v3 / research_stream
- 异步工具 11 个：
search_anchors_async / fetch_content_async / save_archive_async / check_dedup_async / dedup_stats_async / fuse_analysis_async / cross_subject_analysis_async / summarize_content_async / conflict_detection_async / score_source_async / score_contradiction_async
- Key 管理 2 个：
manage_keys（list/stat/rotate/revoke，脱敏）/ key_usage（用量成本报表）
- 兼容并存期 12 个：11 个同步工具 +
research（附 deprecated 标记）
文档导航
ℹ️ 冷启动说明：运行时状态（claims.json、entity_aliases.json、pending_entities.json、anchor_db.json、engine_state.json 等）首跑为空占位，运行后随调研逐步积累。这些文件不写入技能源码目录，落在运行时数据目录（默认 ~/.infoseek/，可用 INFOSEEK_DATA_DIR 覆盖），技能更新不丢数据。详见 core/state_dir.py。
版本路线
| 版本 | 状态 | 备注 |
|---|
| v1.4.1 | 🟢 当前发布版 | 能力里程碑：引擎生命周期 / 召回增强 / 4 级抓取 / Key 管理 / perf 10k |
| v1.0.1 | ✅ 历史 | 审计 G1–G13 + ABC 能力增强 + 引擎生命周期 P0–P3 |
| v1.0.0 | ✅ 历史 | 工具面收敛 + 搜索引擎降级链重写 |
| 后续 | 🟡 待办 | 见 references/ROADMAP.md |
测试矩阵
⚠️ 用例数为各套件自报（PASS 计数）。运行入口：python tests/run_tests.py（脚本风格，勿用 pytest）。
| 套件 | 用例 | 类别 |
|---|
| test_infoseek_v231.py | 10 | 回归 |
| test_infoseek_v240.py | 15 | 回归 |
| test_boundary_v240.py | 12 | 能力边界 |
| test_compat_v240.py | 5 | 兼容性 |
| test_correctness_v240.py | 18 | 正确性 |
| test_reliability_v240.py | 11 | 可靠性 |
| test_security_v240.py | 5 | 安全 |
| test_stability_v240.py | 9 | 稳定性 |
| test_e2e_scenarios_v240.py | 12 | E2E 实战 |
| test_streaming_v300.py | 6 | 流式 |
| test_search_engines.py | 16 | 搜索链 |
| test_tools_surface.py | 11 | 工具面 |
| test_async_tools.py | 11 | async 包装 |
| test_domain_orchestrator_v200.py | 13 | 领域编排 |
| test_v174_jaccard.py | 3 | Jaccard 兼容 |
| test_qcm_bridge_v101.py | 10 | QCM 协同 |
| test_key_manager_v101.py | 29 | Key 管理 |
| test_engine_lifecycle_v101.py | 40 | 引擎生命周期 |
| test_freshness_cron_v101.py | 23 | 新鲜度 cron |
| test_recall_enhance_v101.py | 16 | 召回增强 |
| test_fetch_levels_v101.py | 26 | 4 级抓取 |
| test_deep_v101.py | 22 | 深度（单独运行） |
环境差异说明：test_stability_v240.py 在 POSIX 环境含内存维度（ru_maxrss）；Windows 下自动跳过内存判定，不误报 FAIL。
项目结构
infoseek/
├── SKILL.md # Skill 定义（yfm + 文档）
├── manifest.yaml # 平台 manifest
├── RELEASE_NOTES.md # 版本发布说明
├── README.md # 本文件
├── core/ # 核心库（22 功能模块；运行时状态经 state_dir 落 ~/.infoseek）
│ ├── conflict_v3.py / contradiction_scorer.py
│ ├── entity_*.py # graph/heat/profile/trajectory/tracker/aliases
│ ├── wikidata_sync.py / freshness_cron.py / claim_store.py
│ ├── key_manager.py / llm_router.py / ner.py / trust_sources.py
│ └── state_dir.py
├── scripts/ # 适配层 + MCP server
│ ├── infoseek_core_v2.py # 核心 API（research/async/streaming）
│ ├── infoseek_mcp_server.py # MCP server 门面（15 规范工具）
│ ├── mcp_tools_*.py # 工具模块（search/archive/analysis/keys/async/common/qcm）
│ ├── infoseek_pipeline.py # 搜索降级链 + 召回增强
│ ├── engine_lifecycle.py # 搜索引擎全生命周期
│ ├── infoseek_keys_cli.py # keys CLI（16 子命令）
│ └── ...
├── references/ # 契约 + 配置 + 依赖/Key/路线图
├── domains/ # 领域配置（tech/market/finance/policy/competitor）
│ ├── *.yaml # 领域 profile
│ └── templates.yaml # 报告模板（块标量合并）
├── tests/ # 测试套件（25 标准 + deep）
└── dist/ # 质量基线 + perf 基准 + 生态构建产物
贡献与反馈
- Bug 报告：附
infoseek --version + 最小复现
- 性能问题：附
dist/quality_baseline.json 对比
- 功能请求：附用例 + 期望输出
- 路线图：见
references/ROADMAP.md
v1.4.1 | 能力里程碑：引擎生命周期 / 召回增强 / 4 级抓取 / Key 管理 | 多生态（ima/Claude/Codex/Dify/Coze）| MIT License
