caomeiyouren/super-search

Super Search

IRON LAW: NEVER GENERATE ANSWERS FROM TRAINING DATA. Every factual claim in the report must be traceable to at least one URL fetched during this session.

核心定位

通用网页调研与事实核查工具。与 hv-analysis（强制横纵轴框架、产出 10K-30K 字 PDF 的深度产品/公司研究）的关键差异：

| | hv-analysis | Super Search | |---|---|---| | 研究框架 | 纵轴+横轴+交叉洞察（强制） | 无预设框架，按需灵活 | | 适用范围 | 产品/公司/概念/人物 | 任意主题 | | 报告深度 | 10K-30K 字 PDF | 轻量到中等，按需 | | 对抗审查 | 鼓励批评思考（非系统化） | 所有主题通用：时效性+真实性双重审查 | | 缓存 | 无 | 内置 TTL 缓存层 |

Workflow

Copy this checklist and check off items as you complete them:

Super Search Progress:

• [ ] Step 1: Environment Check ⚠️ REQUIRED — 验证 search/fetch 工具可用，不可用则中断
• [ ] Step 2: Plan — 解析用户意图、扩展多语言关键词、确定搜索深度
• [ ] Step 3: Search — 多源搜索，收集结果 URL
• [ ] Step 4: Fetch — 批量抓取内容，先查缓存
• [ ] Step 5: Analyze — 质量评分（仅参考，低质舍弃），排序整理
• [ ] Step 6: Cross-Reference — 多源比对，矛盾标注
• [ ] Step 7: Review ⚠️ REQUIRED — 时效性+真实性双重审查所有关键数据
• [ ] Step 7.5: Template Selection ⚠️ REQUIRED — 根据主题特征选择报告模板
• [ ] Step 8: Report — 按选定模板生成结构化报告写入文件
• [ ] Step 9: Verify — 交付前检查

Step 1: Environment Check ⚠️ REQUIRED

Ask: 哪些 search/fetch 工具当前可用？

运行 node dist/env-check.mjs 输出环境中可用的 search/fetch 工具列表。

如果没有任何 search 工具且没有任何 fetch 工具同时可用：

• 立即中断，告知用户缺少必要能力，列出需要安装的工具

如果只有 fetch 无 search：

• 降级为"URL 分析模式"，跳过 Step 3

⚠️ 不要在此步骤假设任何工具的可用性。

工具可用性铁律：记录所有可用工具的完整列表（如 tinyfish-search_search、webfetch 等）。后续每个搜索/抓取操作优先使用主要工具；失败时依次切换到列表中的下一个工具，直到成功或全部尝试完毕。

Step 2: Plan

解析用户输入，确定：

• 核心主题与搜索关键词
• 搜索深度：quick（3-5 源）、normal（8-12 源）、deep（15-20 源）
• 是否需要对抗审查（见 references/review-triggers.md）
• 输出文件路径（用户指定或默认 ./research-output/{topic-slug}-{date}.md）
• 缓存目录（用户指定或默认 ~/.super-search-cache/）

Ask: "对以下问题，我应该额外搜索哪些对立面/反面/批评性关键词？" 例如：搜索"AI 取代程序员"时，同时搜索"AI 不会取代程序员的理由""AI 编程工具的局限性"。

多语言关键词扩展 ⚠️ 必须执行

识别主题所属领域，推断可能的原始信息语言，使用多语言关键词扩大搜索范围。扩展规则：

| 领域 | 扩展语言 | 说明 | |---|---|---| | 科技/AI/编程 | + 英文 | 科技内容主要信息源为英文，多数研究论文、官方文档和一手资料首发于英文 | | 动漫/ACG/日式游戏 | + 日文 + 英文 | 日本动漫内容的原始来源为日文，使用日文关键词可获取一手资料（如官网、访谈、制作组发布）；英文社区也有大量讨论 | | 日本文化/任天堂/JRPG | + 日文 + 英文 | 同上，日本文化相关信息的原始来源为日文 | | 韩国流行文化/K-pop | + 韩文 + 英文 | 韩国文娱内容原始来源为韩文 | | 其他/通用 | + 英文（最低） | 英文为互联网主要语言，至少添加英文搜索扩展 |

扩展策略：

• 中文关键词 → 翻译为目标语言关键词（使用内置术语映射表）
• 添加混语言查询（如 "中文词" site:en.wikipedia.org、"translated topic" Reddit）
• 在 deep 模式下添加学术搜索维度（如 "translated topic" research paper、"translated topic" arXiv）
• 对日本动漫使用罗马音和日文汉字双重搜索

运行 node dist/search.mjs --topic '...' --depth normal 时，脚本会自动生成 multiLanguageQueries 字段。AI 在执行搜索时，必须对每类多语言查询执行搜索，不可跳过。

Step 3: Search

运行 node dist/search.mjs --topic '...' --depth normal --cache-dir '...' 生成搜索计划。

根据计划执行搜索。搜索执行顺序：

1. 先执行主查询（queries 字段）
2. 再执行多语言查询（multiLanguageQueries 字段），不可跳过
3. 最后执行对抗查询（counterQueries 字段）

工具降级策略：

• 优先使用主要 search 工具（如 tinyfish-search_search）
• 该工具返回错误/超时/无结果 → 自动切换到下一可用 search 工具
• 全部 search 工具失败 → 将搜索词作为 URL 尝试直接 fetch（如 site:xxx 搜索变体），或跳过该关键词并记录
• 每个搜索词至少尝试 2 种不同的工具或查询变体

数据充分性铁律：每个关键维度（如"价格""规格""政策"）至少需要 2 个来源覆盖。不足时立即触发搜索引擎补充发现——使用所有可用 search 工具，变换关键词（加"对比""排行""价格表""2026"等后缀），迭代搜索直到找到足够数据或确认该维度确实没有公开可查的数据。禁止在数据不足时直接跳过该维度。

多语言搜索结果合并：不同语言搜索返回的结果按同一标准纳入质量分析流程，来源权威度评估会考虑是否为该领域的原始信息语言。例如，日文官方页面在动漫相关主题中的权威权重高于中文转载页面。

搜索终止条件

满足以下条件时停止搜索并进入抓取阶段：

1. 每个关键维度至少有 2 个来源覆盖
2. 官方页面已全部尝试抓取（成功获取数据或确认无法获取并记录原因）
3. 已执行 2 轮关键词变体搜索，新增结果趋于重复（>80% 重复）
4. 对高风险主题（医学/法律/金融）已执行对抗性搜索

不满足时继续触发搜索引擎补充发现，不可在数据不足时跳过。

Step 4: Fetch

运行 node dist/fetch.mjs --cache-dir '...' 检查缓存。

• 命中缓存 → 直接使用缓存内容（node dist/cache.mjs get --url "..." --type fetch）
• 未命中 → 抓取内容。工具降级策略：
  1. 优先使用主要 fetch 工具（如 webfetch 或 tinyfish-search_fetch）
  2. 返回 403/404/Transport Error/JS 空壳 → 自动切换到下一个可用 fetch 工具
  3. 全部 fetch 工具失败 → 进入 搜索引擎替代抓取 流程（见下方）
• 抓取后必须立即回写缓存：

默认 TTL：搜索结果 30min，网页内容 24h。

Step 5: Analyze

运行 node dist/analyze.mjs 对每条内容评分。

质量评估维度（见 references/quality-criteria.md）：

• 来源权威度（官方 > 知名媒体 > 个人博客 > 不可信；涉及数值/规格/定价时，必须优先采用官方页面数据）
• 信息完整度（日期、作者、引用、数据）
• 内容新鲜度
• 语言质量（排除机翻/低质内容）

评分仅作相对参考，评估后明确低价值的内容直接舍弃。

Step 6: Cross-Reference

对关键事实进行多源比对：

• 一致 → 标注"多源确认"
• 矛盾 → 立即触发事实核查：直接 fetch 各方引用的原始来源/官方页面，以官方第一手数据为准裁定。多个第三方来源的一致意见不能覆盖官方页面的明文数据
• 孤立 → 只有一个源提及，标注"待验证"，同时尝试搜索官方来源确认

第三方转载数据的比对标准：

• 第三方数据至少需要 2 个独立来源 交叉确认，才可标注为"已核实"
• 第三方来源间的矛盾不能通过"多数投票"解决 —— 必须尝试找回原始官方数据
• 仅有一个第三方来源的数据，标注为"待验证（第三方单源）"，置信度最高 medium

输出置信度矩阵。

事实核查铁律：当数值/规格类声明出现矛盾时，必须直接抓取官方定价页/规格页作为终极裁决依据，不得仅凭第三方文章数量做判断。

多语言交叉验证：当多语言搜索返回不同语言来源时，优先以该领域的原始信息语言为准：

• 科技/AI → 英文一手资料（研究论文、官方博客）权威度 > 中文翻译/转载
• 动漫/ACG → 日文官方页面权威度 > 中文转载 > 英文讨论
• K-pop/韩流 → 韩文官方/韩媒权威度 > 中文翻译/英文报导

Step 7: Review ⚠️ REQUIRED（对抗性审查）

审查不是可选的附加项，而是保证报告质量的必要环节。以事实为第一要义，不因追加速而牺牲准确性。

审查的两个维度：

时效性审查（所有主题通用）

Ask:

• 每条数据的发布时间是什么？距今多久？
• 是否存在比"最新"数据更旧的过时信息被引用？
• 第三方转载文章的价格/规格数据是否标注了更新日期？
• 如果关键数据来源日期 > 6 个月前，触发补充搜索确认是否有更新版本

真实性审查（所有主题通用）

Ask:

• 这条声明的原始来源能否追溯到官方页面？
• 如果数据来自第三方转载，转载者是否有动机扭曲数据（如推广佣金/商业合作）？
• 不同来源对同一事实的描述是否一致？不一致时哪个更可信？
• 本报告中哪些声明存在"孤立来源"风险？

自动触发（更严格的反驳搜索 + 官方核实）：

• 医学、法律、金融、安全等高风险主题
• 物理、化学、数学等科学主题（从基础原理出发核查）
• 关键发现置信度低于阈值
• Step 6 交叉验证中发现矛盾或孤立声明
• 涉及金钱的声明（定价、费率、佣金）—— 必须双源以上确认

运行 node dist/review.mjs 执行对抗审查：

• 对每个主要结论搜索反驳证据
• 检查来源多样性
• 标注遗漏风险
• 如发现重大疏漏，回到 Step 3 补充搜索

Step 7.5: Template Selection ⚠️ 生成报告前必须执行

根据主题特征，对照 references/report-templates.md 模板选择指南确定报告模板：

| 主题特征 | 模板 | 关键判别依据 | |----------|------|-------------| | 多产品/方案价格或功能对比 | 对比型报告 | 主题含"对比/比较/哪个好/排行" | | 问题/错误的根因排查 | 诊断型报告 | 主题含"错误/报错/问题/bug/原因" | | 市场/赛道生态调研 | 对比型报告（按平台分组） | 主题含"生态/平台/聚合/中转" | | 简单事实查证 | 快速摘要模板 | 仅需确认 1-2 个事实 |

选定模板后，按模板结构组织报告内容。不允许跨类型混用模板结构，不允许使用 _（请手动填写）_ 类占位符。

Step 8: Report

运行 node dist/report.mjs --output 'path/to/report.md' 生成报告。

报告按 Step 7.5 选定的模板撰写。完整模板和写作规范见 references/report-templates.md。

Step 9: Verify

交付前检查：

• [ ] 报告模板与主题类型匹配（对比型 vs 诊断型 vs 快速摘要）
• [ ] 报告中每条事实声明都有可追溯的 URL
• [ ] 低质量来源（评分低于阈值）已排除
• [ ] 所有引用的 URL 已通过来源可信度核查（高风险 TLD 已标注/排除）
• [ ] 矛盾点已通过官方来源核查并标注结论
• [ ] 关键数值/定价/费率数据有 2 个以上独立来源确认
• [ ] 时效性审查已通过：所有数据的来源日期在可接受范围内
• [ ] 输出文件已写入指定位置
• [ ] 对比表/关键数据优先链向官方页面而非第三方文章
• [ ] 第三方转载数据已满足 2 源交叉比对要求，并在报告中明确标注数据来源类型
• [ ] 推广性质内容已在来源表中标注（⚠️ 推广性质）
• [ ] 无 _（请手动填写）_ 类占位符

Anti-Patterns

搜索阶段 (Step 1-3)

• 不检查环境可用性就直接搜索
• 用模型训练数据代替实际搜索结果
• 只看第一条搜索结果就下结论
• 一个 search/fetch 工具失败就放弃，不尝试其他可用工具
• 跳过多语言扩展搜索，仅用单语种关键词搜索，导致遗漏一手信息来源
• 在搜索日韩内容时仅使用中文关键词，未添加日文/韩文和英文搜索

抓取阶段 (Step 4)

• 跳过缓存检查重复抓取同一 URL
• 抓取失败的直接用 AI 训练数据中的记忆"补全"数据
• 发现关键维度数据缺失时不通过搜索引擎补充搜索，直接标注为"信息不足"放过

分析阶段 (Step 5-6)

• 把质量评分当绝对标准而非相对参考
• 只找到一个第三方转载来源就采纳数据，不做多源交叉比对
• 第三方来源间的矛盾用"多数投票"解决而非追溯原始官方数据
• 引用第三方文章中的数值而不核实官方来源
• 交叉验证发现矛盾时不抓取官方页面做二次确认
• 发现孤立声明后不做补充搜索就直接标注"待验证"并放过
• 引用 .cc/.xyz/.top/.tk 等低成本 TLD 域名作为官方来源而不做二次核实
• 将代理商/推广站（如 xxx.cc）的内容等同于官方信息
• 在对比表/详情中优先使用第三方链接而非官方链接

审查与报告阶段 (Step 7-9)

• 对医学/法律/金融声明不触发对抗审查
• 对涉及定价/费率/佣金的声明只用一个来源确认
• 因担心"查太多浪费时间"而跳过时效性或真实性的审查步骤
• 报告中的事实声明不附来源 URL
• 对高严谨主题不标注置信度
• 报告模板与主题类型不匹配（如对比型主题用诊断型模板）
• 报告中遗留 _（请手动填写）_ 占位符

脚本设计原则

• 脚本输出 JSON 指令，由 AI 执行实际的 search/fetch 工具调用
• 脚本不直接依赖任何具体的 search/fetch API
• 缓存路径可由用户通过 --cache-dir 覆盖
• 所有时间敏感操作记录时间戳