Infoseek

端到端内容智能采集与调研工作流。把"信息发现 + 内容采集 + 智能融合"封装成可复用的调研流水线。

1. 这是什么

Infoseek 接收一个调研主题（行业/公司/人名/技术问题），自动完成：

多源嗅探 — 关键词展开后从 web/kb/note 多渠道并行检索（搜索引擎全生命周期管理：健康/配额/新鲜度自愈）
多维评分 — 按可信度（40%）+ 主题一致性（30%）+ 互动深度（20%）+ LLM 上下文可读性（10%）四维评分门控
深度抓取 — 4 级降级：静态 HTML（L1）→ 浏览器渲染（L2）→ 凭证辅助（L3）→ 多媒体处理（L4），缺依赖自动降级
智能融合 — 跨源语义矛盾检测 + 实体识别（95+ 实体词典 + 跨语种 + 别名归并）+ 召回增强（别名扩展 / 跨引擎多样性 / 自适应相关性门槛）
结构化报告 — Markdown 报告（核心源摘要 + 多源交叉融合 + 根因分层表）
可选归档 — 调研指令加 [归档] 启用，自动落盘到 infoseek-archives/<subject>/ + 主题 README

3 种使用方式：单次直接调用 / 批量调度长期知识库 / 作为 MCP 工具被 Claude/Codex 等 AI Agent 调用。

1.1 适用场景

✅ 行业调研 / 趋势分析 / 竞品分析 / 市场研究 / 技术研究 / 内容采集 / 报告生成 / 长期知识库建设

1.2 不适用场景

❌ 实时新闻监控 / 学术文献综述 / 浏览器自动化爬取 / 即时聊天对话

2. 快速上手

2.1 Python SDK（单次调研）

from infoseek_core_v2 import research, async_research, streaming_research

# 同步（兼容入口，推荐迁移到 async）
res = research("国产开源大模型", lite=True)

# 异步（推荐）
import asyncio
res = asyncio.run(async_research("AI Agent 框架对比", lite=True))

# 流式（AsyncIterator 7 步 yield）
async for partial in streaming_research("DeepSeek V3", lite=True):
    print(partial["step"], "...")  # score_complete / wikidata_complete / ...

2.2 MCP 工具调用（17 规范工具 + 12 兼容并存）

类别	工具数	用途
研究核心	2	`research_v3` / `research_stream`
异步工具	11	`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	`manage_keys`（list/stat/rotate/revoke，脱敏）/ `key_usage`（用量/成本报表）
跨 skill 协同	1	`qcm_query`（反向调 QCM 4 形态）
身份归因	1	`identity_attribution`（用户名→跨平台锚点+人因验证；需 env+consent 双闸，未授权显式报错）
账号取证	1	`account_forensics`（显式投喂账号数据集→四层深度取证：L1统计/L2图结构/时序同步/L3ML；`INFOSEEK_ENABLE_FAKE_DETECT`+consent 双闸，充分性不足→降级 AccountTrustScorer）
兼容并存期	12	11 个同步工具 + `research`（仍响应，附 `deprecated: true` + `migrate_to`）
REST 桥	—	`POST /tools/<tool_name>`（Bearer 鉴权，供 Coze/Dify 等 OpenAPI 生态）

启动 MCP server：

python scripts/infoseek_mcp_server.py --transport sse --port 8765
# 或 stdio（本地默认）: python scripts/infoseek_mcp_server.py

2.3 长期知识库

# 调研指令加 [归档]
res = research("AI Agent 行业 2026 Q1 [归档]", lite=True)
# → 自动落盘 infoseek-archives/AI_Agent_行业_2026_Q1/ + 主题 README

3. 工作流

输入主题
   ↓
阶段一：锚点发现（search_anchors / research）
   关键词展开 → 多源嗅探（引擎生命周期管理）→ 多维评分门控
   ↓
阶段二：内容采集（fetch_content）
   URL 预检 → 标准化去重 → 4 级降级提取（L1 静态 / L2 渲染 / L3 凭证 / L4 多媒体）
   ↓
阶段三：智能融合（fuse_analysis / research）
   矛盾检测（contradiction_scorer）→ 实体识别（NER）→ 跨源融合
   ↓
阶段四：输出报告（research / summarize_content）
   Markdown 报告（观点 + 数据 + 来源）
   ↓
阶段五（可选）：存档归档（save_archive / [归档]）
   落盘 + 主题 README + 长期沉淀

阶段	关键模块	输入	输出
锚点发现	`core/anchor_score_v2.py` / `core/trust_sources.py`	主题字符串	评分排序的候选源列表
内容采集	`scripts/mcp_tools_search.py`	URL	Markdown/JSON/TXT 文本或多媒体 chunk
智能融合	`core/contradiction_scorer.py` / `core/entity_graph.py`	多个源	矛盾列表 + 实体图谱
报告输出	`scripts/summarize_adapter.py`	融合结果	结构化报告
存档归档	`scripts/infoseek_helper.py`	报告 + 元数据	`infoseek-archives/<subject>/`

4. 核心能力

按 职能分层：调研入口 → 智能分析 → 实体管理 → LLM 路由 → 搜索与抓取 → 输出导出 → MCP 工具

4.1 调研入口（核心 API）

函数	模块	类型	简述
`streaming_research`	`scripts/infoseek_core_v2.py`	核心入口	流式研究（AsyncIterator 7 步 yield）
`async_research`	`scripts/infoseek_core_v2.py`	核心入口	异步研究（多步并发 asyncio.gather）
`research`	`scripts/infoseek_core_v2.py`	兼容入口	同步研究（兼容保留）

4.2 智能分析

函数 / 类	模块	简述
`detect_conflicts_v3` / `detect_conflicts_v3_async`	`core/conflict_v3.py`	跨源矛盾检测（别名归并 + 严重度评级）
`ConflictMonitor.ingest_*_async`	`core/conflict_v3.py`	实时冲突管道（async 接口）
`score_contradiction` / `score_contradiction_async`	`core/contradiction_scorer.py`	两句话矛盾评分（severity 四档）：键控事实槽 + 否定/反义 + 时间事实槽（年月/季度→ISO 区间）三路 max 融合，verdict 三态（conflict/no_conflict/not_assessable）+ 覆盖率
`EntityGraph`	`core/entity_graph.py`	实体图谱（加权边 + Graphviz 导出）
`extract_entities`	`core/ner.py`	命名实体识别（95+ 实体词典）
`predict_heat`	`core/entity_heat.py`	实体热度预测（衰减外推）
`trace_entity`	`core/entity_trajectory.py`	实体轨迹追踪（90 天窗口）

4.3 实体管理

类	模块	简述
`EntityProfile`	`core/entity_profile.py`	实体画像（topics/source_domains）
`EntityTracker`	`core/entity_tracker.py`	频次统计（90 天半衰期）
`ClaimStore`	`core/claim_store.py`	跨会话历史声明比对
`EntityAliases`	`core/entity_aliases.py`	别名管理（hot/cold + 生命周期）
`WikidataSync`	`core/wikidata_sync.py`	Wikidata 公开 API 同步（8 类别 SPARQL）
`FreshnessCron`	`core/freshness_cron.py`	新鲜度扫描（衰减 + 冷条目验证 + alias/profile/claim TTL）

4.4 LLM 路由与 Key 管理

函数	模块	简述
`llm_call`	`core/llm_router.py`	多 provider 路由（Ollama/DeepSeek/智谱/Kimi/OpenAI/Anthropic），自动 fallback + mock 降级
`score_with_llm_async`	`core/contradiction_scorer.py`	LLM 矛盾评分异步版
`KeyManager`	`core/key_manager.py`	归一化 Key 管理（多后端 / 状态机 / 熔断 / 多 key 池 / 配额 / 用量统计 / 加密落盘 + keyring）
`keys` CLI	`scripts/infoseek_keys_cli.py`	Key 生命周期命令（add/list/stat/rotate/revoke/quota/usage/export/backup/restore/keyring-persist/keyring-load）
`leak_scan`	`scripts/leak_scan.py`	密钥泄漏扫描器（合规审计，多模式 + 赋值检测）

4.5 搜索与抓取（v1.2 增强）

能力	模块	简述
`search_web` 降级链	`scripts/infoseek_pipeline.py`	多引擎并行 + 层间降级 + 动态保留池；query 别名扩展 / 多样性轮询 / 自适应相关性门槛
分词唯一真源	`scripts/text_tokenizer.py`	`tokenize_text()`：jieba 优先（探测缓存）→ 纯 Python 回退（中文 ≤4 整段 / >4 2-gram，英数 ≥2 整词）；`require_chinese` 中文硬门槛门控。`_tokenize_subject` / `_tokenize_query` 均为其薄封装（v1.8.4 GA5 单源化）
引擎生命周期	`scripts/engine_lifecycle.py`	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/reset
QVeris 能力路由	`scripts/qveris_client.py`	结构化金融/数据能力：discover→inspect→call 全流程，双端点自动选区（sk-cn-→qveris.cn 合规区），429/401 自动进入引擎生命周期
4 级抓取	`scripts/mcp_tools_search.py`	`extraction_level` 1/2/3/4 路由：静态 / L2 多引擎渲染（Camoufox→Obscura→Patchright→Chromium）/ KeyManager 凭证注入（仅内存）/ 多媒体 chunk
public-apis 免费目录	`scripts/public_apis_catalog.py`	L0 免费优先层：README→本地 JSON 索引（1712 条/51 分类/799 无 key），关键词/分类/认证检索，离线内嵌集兜底
三级路由	`scripts/tiered_router.py`	意图识别→L0 免费→L1 网关→L2 专用→人工核实；免费优先、credits 预算保护
账号人因验证	`scripts/account_trust_scorer.py`	L2 真人验证：成熟度/粉丝/行为/内容四维评分→real/bot/suspicious/unknown，纯规则零依赖（consent 闸控）
OSINT 双客户端	`scripts/maigret_client.py` · `scripts/sherlock_client.py`	用户名→跨平台存在性（v2.1.0 对齐实测 CLI：maigret `-J simple` 报告文件 / sherlock `--csv`），默认 OFF + consent 闸
双源聚合去重	`core/identity_aggregator.py`	Maigret×Sherlock 平台/URL 归一去重、交叉确认置信增强、高误报平台抑制、单源降档、CN/IN/global 分区（纯标准库）
能力授权 CLI	`scripts/infoseek_consent_cli.py`	list/grant/revoke/shell-init/doctor；grant/revoke 写 consent.log 审计 + export 引导（v2.1.0）
AgentKey 网关适配	`ecosystem/adapters/agentkey.py`	L1 网关付费层：MCP find_tools→describe_tool→execute_tool 骨架（金融子集优先，社交默认 OFF），mcp 缺失优雅降级
L2 多引擎渲染	`scripts/l2_renderer.py`	browser_engine 能力族：Camoufox 主(反指纹) + Obscura 批(30MB轻量) + Patchright 备 + Chromium 兜底；场景路由 + 健康状态机 + 故障 cross-over；引擎缺失自动跳过降级 L1

4.6 输出导出

函数	模块	简述
`build_traced` / `to_dot` / `to_markdown`	`core/traced_export.py`	引用图谱导出（Graphviz / Markdown）

4.7 MCP 工具（17 规范 + 12 兼容并存）

类别	工具	用途
研究核心（2）	`research_v3` / `research_stream`	异步研究 / 流式研究
异步工具（11）	`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`	异步包装（规范接口）
Key 管理（2）	`manage_keys` / `key_usage`	Key 生命周期（list/stat/rotate/revoke，脱敏）/ 用量成本报表
跨 skill 协同（1）	`qcm_query`	反向调 QCM 4 形态输出
身份归因（1）	`identity_attribution`	用户名→跨平台锚点+人因验证（合规双闸：env + consent）
账号取证（1）	`account_forensics`	显式投喂数据集→深度取证 Report（与 identity_attribution 构成「发现→取证」双子工具）
兼容并存期（12）	11 个同步工具 + `research`	仍响应，附 `deprecated: true` + `migrate_to`

新集成请使用 18 个规范工具（研究核心 + 异步 + Key 管理 + 跨 skill 协同 + 身份归因 + 账号取证）；同步工具仅用于老客户端兼容。

5. 工作机制要点

5.1 评分门控

唯一评分口径 = v2 四维（core/anchor_score_v2.compute_final_score_v2 / compute_base_score_v2）。 v1.2 activity 旧口径（compute_anchor_score 四轴加权 + 双层复活）已于 v1.7.8 删除； anchor_adapter.calculate_score() 仅为兼容 shim，内部转调 v2（同输入同输出，见 tests/test_score_consistency_v178.py）。

唯一聚合真源（v1.8.3）= core/anchor_score_v2.aggregate_score_v2 —— 复活 → 衰减 → 跨平台 → 语义 → 信任 → 领域 → 分类七环节单点实现。两个评分入口同源委托，禁止自算公式：链A compute_final_score_v2（四维完整口径）、链B infoseek_core_v2.score_source （MCP 工具 score_source，兼容 v1 输入与真实搜索源的 base 三态入口，由 base_origin 标注）。 tier 单源委托 trust_sources.get_tier_level（恒 1-4）；分类阈值 / 复活门禁用常量单源。口径事实：简化复活 base≥90 → 保底 70 经实测恒为数值 no-op（仅 whitelist_triggered 标志位有效）。守护见 tests/test_three_chain_v183.py（63 check）。

量纲归一（P0-OPEN-04）：score_source 入口检测入参 score，0 < score <= 1 自动 ×100（精确 0 仍为 empty），由 scale_normalized 标志可观测，避免 0–1 归一化分被当 <40 噪声静默丢弃。

空骨架防护（P0-OPEN-04）：render_report 过滤低分源时输出 filtered_out 清单（来源 + 分数 + 原因）；核心源全为 0 时报告前置「无可用核心来源（评分链异常）」，明确区分"评分链断裂"与"主题无资料"，禁止假装成功的空骨架。

Anchor_Score = 互动深度(interaction)×20% + 主题一致性(topic_match)×30% + 来源可信度(credibility)×40% + LLM 上下文可读性(llm_readability)×10%
门控：≥70 → 🥇 核心自动采集 | 40-69 → 🥈 需确认 | <40 → 🥉 过滤

详见 references/Infoseek_Anchor_Score评分契约_v2.md（四维 base + 加权层；历史 v1.5「五维」命名已勘误）

5.2 矛盾检测语义

键控事实槽（GA11） → 同槽键值冲突（数值/枚举/极性）
时间事实槽（P0-OPEN-06） → 年月/季度解析为 ISO [start,end) 区间，不相交即时间冲突（季/月 60 分、年仅 35 分）；季度序号与金额不误抽
否定/反义词典 → 极性反转
三路 max 融合 → severity 四档（high / medium / low / none）
判定三态 → verdict：conflict（有冲突）/ no_conflict（双侧可对拍且无冲突）/ not_assessable（双侧缺可对拍槽，未评估 ≠ 无冲突）；附 time_coverage 与聚合层覆盖率

详见 core/contradiction_scorer.py

5.3 实体生命周期

入库 → hit 累计 → 90 天半衰期 → hot/cold 分级
                                          ↓
                                     stale 90 天未出现 → 清理候选

详见 core/entity_tracker.py / core/entity_aliases.py

5.4 LLM 路由

6 provider 优先级：ollama-local（priority=1）→ deepseek / zhipu（priority=2）→ kimi / openai（priority=3）→ anthropic（priority=4）

支持：自动 fallback / 成本控制 / 配额感知 / mock 模式（无 key 时降级）

详见 core/llm_router.py 与 references/api-keys.md

5.5 风险控制

RPN Top 风险已实施工程控制（详见 references/risk-register.md）：

R06（程序化缺失）→ degradation_router 日志告警
R11（DuckDuckGo API 限流）→ 限速 + 429 熔断 + Wikipedia 兜底
R14（无单元测试）→ 25 套件全绿（聚合入口 tests/run_tests.py）
R05（名称搜索单引擎）→ 搜索引擎降级链 + 引擎生命周期自愈

6. 兼容性

0 破坏性变更：历史 API 完整保留，同步 research() 兼容并存
MCP 工具：17 规范工具 + 12 兼容并存期工具（附 deprecated 标记）
运行时数据：状态文件（claims/aliases/engine_state 等）落 ~/.infoseek/（INFOSEEK_DATA_DIR 可覆盖），技能更新不丢数据
升级方式：备份 → 替换目录 → 运行 python tests/run_tests.py 验证

7. 路线图

详见 references/ROADMAP.md（当前基线 · 待办 · 前景方向）；v1.0.0→v2.0.0 历次实施细节见 references/ROADMAP_archive_20260917.md。

概要：

近期：perf 多轮基准、实体持久层、L3 真实凭证冒烟
中期（v2.x）：召回深化（图谱/同义词）、L4 转录落地、多模态起步
长期：编排协同、合规审计自动化、实时协作
设计边界（不做）：实时新闻监控 / 学术文献综述 / 浏览器自动化爬取 / 即时聊天对话

8. 触发词

按 场景 / 技术 / 能力 三类组织，便于不同检索维度匹配。

8.1 场景类（业务用途）

行业调研 · 趋势分析 · 工艺技术研究 · 内容采集 · 信息收集 · 竞品分析 · 市场研究 · 报告生成 · 存档归档 · 长期知识库

8.2 技术类（API / 协议）

URL 去重 · MCP 集成 · 内容摘要 · 中文文本分析 · 链式引用追踪 · 跨源冲突检测 · 领域 Skill 矩阵 · 多平台导出 · 模板化报告 · 跨语言实体识别 · 多模型 LLM 路由 · 搜索引擎生命周期 · 4级抓取 · 召回增强

8.3 能力类（具体函数 / 类名）

实体自沉淀 · 频次统计 · Wikidata 同步 · 新鲜度 cron · 批量入库 · 别名 JSON 持久化 · streaming_research · async_research · ConflictMonitor · detect_conflicts_v3_async · score_contradiction · EntityGraph · predict_heat · trace_entity · EntityProfile · ClaimStore · WikidataSync · FreshnessCron · build_traced · to_dot · llm_call · KeyManager · get_key · engine-lifecycle · extraction_level

9. 配套文档

文档	路径	用途
README	`README.md`	快速导航 + 5 秒看懂
RELEASE_NOTES	`RELEASE_NOTES.md`	版本发布说明
核心库	`core/`	22 功能模块（实体 / 评分 / 矛盾 / 爬取等；运行时数据经 state_dir 落 `~/.infoseek`）
适配层	`scripts/`	MCP server 门面 + 工具模块 + keys CLI（16 子命令）+ 引擎生命周期 + 引擎健康探测 + perf 基准 + 符号自检
引用契约	`references/`	契约文档 + trusted-sources.json + configuration + external-deps + api-keys + ROADMAP
报告模板	`domains/templates.yaml`	5 领域模板 + default（块标量合并）
领域配置	`domains/*.yaml`	5 领域（tech / market / finance / policy / competitor）
测试套件	`tests/`	功能验证（发布前运行）

9.1 引用契约清单

契约	用途
`references/Infoseek_Anchor_Score评分契约_v2.md`	评分公式（四维 base）+ 门控规则
`references/Infoseek_MCP集成契约_v1.5.md`	MCP 协议 + 工具 schema
`references/Infoseek_维度命名契约_Naming_Convention.md`	人物 6 维分桶
`references/Infoseek_存档归档契约_Archive_Convention.md`	归档目录结构 + 命名格式
`references/Infoseek_URL标准化契约_URL_Normalization.md`	URL 标准化规则（去重）
`references/anchor-adapter.md`	锚点 → 意图卡片转换层
`references/credential-tools.md`	凭证工具选型
`references/risk-register.md`	风险 RPN 矩阵 + 监控计划
`references/configuration.md`	全量 env 配置项参考
`references/qcm-coop-contract.md`	QCM 跨 skill 协同契约
`references/external-deps.md`	外部依赖清单 + 作用 + 降级路径
`references/api-keys.md`	外部 API Key 清单 + 效益 + 获取
`references/ROADMAP.md`	当前基线 · 待办 · 前景方向（纯净版）
`references/ROADMAP_archive_20260917.md`	v1.0.0→v2.0.0 历史实施记录归档
`references/trusted-sources.json`	5 领域 × tier1-4 信任源白名单

10. 测试与质量

测试套件：26 个测试文件（脚本风格，聚合入口 tests/run_tests.py；勿用 pytest——顶层 sys.exit 会导致 INTERNALERROR）
- 核心与质量维度：test_infoseek_v231/v240 / test_boundary / test_compat / test_correctness / test_reliability / test_security / test_stability
- 端到端：test_e2e_scenarios_v240.py
- 流式与异步：test_streaming_v300.py / test_async_tools.py
- 搜索链 / 工具面：test_search_engines.py / test_tools_surface.py
- 领域编排 / 兼容：test_domain_orchestrator_v200.py / test_v174_jaccard.py
- 生命周期与协同：test_engine_lifecycle_v101.py（40 用例）/ test_qcm_bridge_v101.py / test_key_manager_v101.py（29 用例）
- v1.2 新套件：test_freshness_cron_v101.py（23）/ test_recall_enhance_v101.py（16）/ test_fetch_levels_v101.py（26）
- 深度测试：test_deep_v101.py（单独运行）
运行方式：python tests/run_tests.py（25 标准套件）或逐个直跑；深度 python tests/test_deep_v101.py
质量门控：边界 / 兼容 / 正确性 / 可靠性 / 安全性 / 稳定性 6 维度全覆盖
质量基线：dist/quality_baseline.json（v1.2.0，26/26 套件 all_ok）

附录：发布到 Skill 平台

A.1 客户端集成示例

{
  "mcpServers": {
    "infoseek": {
      "command": "python3",
      "args": ["scripts/infoseek_mcp_server.py"],
      "env": {
        "DEEPSEEK_API_KEY": "${env:DEEPSEEK_API_KEY}",
        "KIMI_API_KEY": "${env:KIMI_API_KEY}"
      }
    }
  }
}

A.2 获取帮助

查看 README.md 5 秒看懂
查看 RELEASE_NOTES.md 了解版本演进
查看 references/ 下契约文档
依赖与 Key 配置见 references/external-deps.md / references/api-keys.md

infoseek