aaaaqwq/search-layer

Search Layer v2.2 — 意图感知多源检索协议

四源同级：Brave (web_search) + Exa + Tavily + Grok。按意图自动选策略、调权重、做合成。

执行流程

用户查询
    ↓
[Phase 1] 意图分类 → 确定搜索策略
    ↓
[Phase 2] 查询分解 & 扩展 → 生成子查询
    ↓
[Phase 3] 多源并行检索 → Brave + search.py (Exa + Tavily + Grok)
    ↓
[Phase 4] 结果合并 & 排序 → 去重 + 意图加权评分
    ↓
[Phase 5] 知识合成 → 结构化输出

---

Phase 1: 意图分类

收到搜索请求后，先判断意图类型，再决定搜索策略。不要问用户用哪种模式。

| 意图 | 识别信号 | Mode | Freshness | 权重偏向 | |------|---------|------|-----------|---------| | Factual | "什么是 X"、"X 的定义"、"What is X" | answer | — | 权威 0.5 | | Status | "X 最新进展"、"X 现状"、"latest X" | deep | pw/pm | 新鲜度 0.5 | | Comparison | "X vs Y"、"X 和 Y 区别" | deep | py | 关键词 0.4 + 权威 0.4 | | Tutorial | "怎么做 X"、"X 教程"、"how to X" | answer | py | 权威 0.5 | | Exploratory | "深入了解 X"、"X 生态"、"about X" | deep | — | 权威 0.5 | | News | "X 新闻"、"本周 X"、"X this week" | deep | pd/pw | 新鲜度 0.6 | | Resource | "X 官网"、"X GitHub"、"X 文档" | fast | — | 关键词 0.5 |

详细分类指南见 references/intent-guide.md

判断规则：

1. 扫描查询中的信号词
2. 多个类型匹配时选最具体的
3. 无法判断时默认 exploratory

---

Phase 2: 查询分解 & 扩展

根据意图类型，将用户查询扩展为一组子查询：

通用规则

• 技术同义词自动扩展：k8s→Kubernetes, JS→JavaScript, Go→Golang, Postgres→PostgreSQL
• 中文技术查询：同时生成英文变体（如 "Rust 异步编程" → 额外搜 "Rust async programming"）

按意图扩展

| 意图 | 扩展策略 | 示例 | |------|---------|------| | Factual | 加 "definition"、"explained" | "WebTransport" → "WebTransport", "WebTransport explained overview" | | Status | 加年份、"latest"、"update" | "Deno 进展" → "Deno 2.0 latest 2026", "Deno update release" | | Comparison | 拆成 3 个子查询 | "Bun vs Deno" → "Bun vs Deno", "Bun advantages", "Deno advantages" | | Tutorial | 加 "tutorial"、"guide"、"step by step" | "Rust CLI" → "Rust CLI tutorial", "Rust CLI guide step by step" | | Exploratory | 拆成 2-3 个角度 | "RISC-V" → "RISC-V overview", "RISC-V ecosystem", "RISC-V use cases" | | News | 加 "news"、"announcement"、日期 | "AI 新闻" → "AI news this week 2026", "AI announcement latest" | | Resource | 加具体资源类型 | "Anthropic MCP" → "Anthropic MCP official documentation" |

---

Phase 3: 多源并行检索

Step 1: Brave（所有模式）

对每个子查询调用 web_search。如果意图有 freshness 要求，传 freshness 参数：

web_search(query="Deno 2.0 latest 2026", freshness="pw")

Step 2: Exa + Tavily + Grok（Deep / Answer 模式）

对子查询调用 search.py，传入意图和 freshness：

python3 /home/node/.openclaw/workspace/skills/search-layer/scripts/search.py \
  --queries "子查询1" "子查询2" "子查询3" \
  --mode deep \
  --intent status \
  --freshness pw \
  --num 5

各模式源参与矩阵： | 模式 | Exa | Tavily | Grok | 说明 | |------|-----|--------|------|------| | fast | ✅ | ❌ | fallback | Exa 优先；无 Exa key 时用 Grok | | deep | ✅ | ✅ | ✅ | 三源并行 | | answer | ❌ | ✅ | ❌ | 仅 Tavily（含 AI answer） |

参数说明： | 参数 | 说明 | |------|------| | --queries | 多个子查询并行执行（也可用位置参数传单个查询） | | --mode | fast / deep / answer | | --intent | 意图类型，影响评分权重（不传则不评分，行为与 v1 一致） | | --freshness | pd(24h) / pw(周) / pm(月) / py(年) | | --domain-boost | 逗号分隔的域名，匹配的结果权威分 +0.2 | | --num | 每源每查询的结果数 |

Grok 源说明：

• 通过 completions API 调用 Grok 模型（grok-4.1-fast），利用其实时知识返回结构化搜索结果
• 自动检测时间敏感查询并注入当前时间上下文
• 在 deep 模式下与 Exa、Tavily 并行执行
• 需要在 ~/.openclaw/credentials/search.json 中配置 Grok 的 apiUrl、apiKey、model（或通过环境变量 GROK_API_URL、GROK_API_KEY、GROK_MODEL）
• 如果 Grok 配置缺失，自动降级为 Exa + Tavily 双源

Step 3: 合并

将 Brave 结果与 search.py 输出合并。按 canonical URL 去重，标记来源。

如果 search.py 返回了 score 字段，用它排序；Brave 结果没有 score 的，用同样的意图权重公式补算。

---

Phase 3.5: 引用追踪（Thread Pulling）

当搜索结果中包含 GitHub issue/PR 链接，且意图为 Status 或 Exploratory 时，自动触发引用追踪。

自动触发条件

• 意图为 status 或 exploratory
• 搜索结果中包含 github.com/.../issues/ 或 github.com/.../pull/ URL

方式 1: search.py --extract-refs（批量）

在搜索结果上直接提取引用图，无需额外调用：

python3 search.py "OpenClaw config validation bug" --mode deep --intent status --extract-refs

输出中会多一个 refs 字段，包含每个结果 URL 的引用列表。

也可以跳过搜索，直接对已知 URL 提取引用：

python3 search.py --extract-refs-urls "https://github.com/owner/repo/issues/123" "https://github.com/owner/repo/issues/456"

方式 2: fetch-thread（单 URL 深度抓取）

对单个 URL 拉取完整讨论流 + 结构化引用：

python3 fetch_thread.py "https://github.com/owner/repo/issues/123" --format json
python3 fetch_thread.py "https://github.com/owner/repo/issues/123" --format markdown
python3 fetch_thread.py "https://github.com/owner/repo/issues/123" --extract-refs-only

GitHub 场景（issue/PR）：通过 API 拉取正文 + 全部 comments + timeline 事件（cross-references、commits），提取：

• Issue/PR 引用（#123、owner/repo#123）
• Duplicate 标记
• Commit 引用
• 关联 PR/issue（timeline cross-references）
• 外部 URL

通用 web 场景：web fetch + 正则提取引用链接。

Agent 执行流程

Step 1: search-layer 搜索 → 获取初始结果
Step 2: search.py --extract-refs 或 fetch-thread → 提取线索图
Step 3: Agent 筛选高价值线索（LLM 判断哪些值得追踪）
Step 4: fetch-thread 深度抓取每个高价值线索
Step 5: 重复 Step 2-4，直到信息闭环或达到深度限制（建议 max_depth=3）

---

Phase 4: 结果排序

评分公式

score = w_keyword × keyword_match + w_freshness × freshness_score + w_authority × authority_score

权重由意图决定（见 Phase 1 表格）。各分项：

• keyword_match (0-1)：查询词在标题+摘要中的覆盖率
• freshness_score (0-1)：基于发布日期，越新越高（无日期=0.5）
• authority_score (0-1)：基于域名权威等级
  • Tier 1 (1.0): github.com, stackoverflow.com, 官方文档站
  • Tier 2 (0.8): HN, dev.to, 知名技术博客
  • Tier 3 (0.6): Medium, 掘金, InfoQ
  • Tier 4 (0.4): 其他

完整域名评分表见 references/authority-domains.json

Domain Boost

通过 --domain-boost 参数手动指定需要加权的域名（匹配的结果权威分 +0.2）：

search.py "query" --mode deep --intent tutorial --domain-boost dev.to,freecodecamp.org

推荐搭配：

• Tutorial → dev.to, freecodecamp.org, realpython.com, baeldung.com
• Resource → github.com
• News → techcrunch.com, arstechnica.com, theverge.com

---

Phase 5: 知识合成

根据结果数量选择合成策略：

小结果集（≤5 条）

逐条展示，每条带源标签和评分：

1. [Title](url) — snippet... `[brave, exa]` ⭐0.85
2. [Title](url) — snippet... `[tavily]` ⭐0.72

中结果集（5-15 条）

按主题聚类 + 每组摘要：

**主题 A: [描述]**
- [结果1] — 要点... `[source]`
- [结果2] — 要点... `[source]`

**主题 B: [描述]**
- [结果3] — 要点... `[source]`

大结果集（15+ 条）

高层综述 + Top 5 + 深入提示：

[一段综述，概括主要发现]

**Top 5 最相关结果：**
1. ...
2. ...

共找到 N 条结果，覆盖 [源列表]。需要深入哪个方面？

合成规则

• 先给答案，再列来源（不要先说"我搜了什么"）
• 按主题聚合，不按来源聚合（不要"Brave 结果：... Exa 结果：..."）
• 冲突信息显性标注：不同源说法矛盾时明确指出
• 置信度表达：
  • 多源一致 + 新鲜 → 直接陈述
  • 单源或较旧 → "根据 [source]，..."
  • 冲突或不确定 → "存在不同说法：A 认为...，B 认为..."

---

降级策略

• Exa 429/5xx → 继续 Brave + Tavily + Grok
• Tavily 429/5xx → 继续 Brave + Exa + Grok
• Grok 超时/错误 → 继续 Brave + Exa + Tavily
• search.py 整体失败 → 仅用 Brave web_search（始终可用）
• 永远不要因为某个源失败而阻塞主流程

---

向后兼容

不带 --intent 参数时，search.py 行为与 v1 完全一致（无评分，按原始顺序输出）。

现有调用方（如 github-explorer）无需修改。

---

快速参考

| 场景 | 命令 | |------|------| | 快速事实 | web_search + search.py --mode answer --intent factual | | 深度调研 | web_search + search.py --mode deep --intent exploratory | | 最新动态 | web_search(freshness="pw") + search.py --mode deep --intent status --freshness pw | | 对比分析 | web_search × 3 queries + search.py --queries "A vs B" "A pros" "B pros" --intent comparison | | 找资源 | web_search + search.py --mode fast --intent resource |