搜索查询拆解器

解决什么问题

做技术调研时，常见的失败模式不是"搜不到资料"，而是查询本身没想清楚。比如"AI 在零售行业的应用"，直接丢给搜索引擎或让 Agent 裸搜一次，结果要么被少数几篇综述文章主导，要么遗漏"供应链预测""门店运营""会员营销"这些语义上并不等价的分支。本技能要解决的是：把一个模糊的研究主题先拆成可检索、可并行、可收敛的查询矩阵，再让 Agent 按格子执行搜索。

它如何工作

核心能力是查询拆解与模式路由，流程分四步：

• 概念识别：从用户输入中提取 1~N 个核心概念，例如"AI 在零售行业的应用"识别为 3 个概念。
• 模式路由：按概念数自动选择轻量速查（≤2，2×2 共 4 格）、标准搜索（3~4，3×3 共 9 格）、执行模式（≥5，6×3+ 共 18 格以上）或规划模式（用户说"分析怎么搜"时只输出矩阵不执行）。意图优先于概念数："帮我搜"直接执行，"分析怎么搜"进入规划。
• 并行搜索与质检：多 Agent 分批执行格子搜索；结果按四级信源（A 权威 5 分 / B 可靠 3 分 / C 待验证 1 分 / D 排除 0 分）加四维加权（信源 40% + 深度 30% + 时效 20% + 匹配 10%）打分。
• 收敛封版：用户说"够了"自动封版产出报告，说"不够"则优化矩阵继续；预算用自然语言指定，如"预算 30 万"。

v5.4 采用懒加载：主文件只保留路由逻辑（约 3KB），execution-engine.md、mode-templates.md 等执行细节按需读取。

适用边界

• 适合概念边界相对清晰的研究型任务；对单点事实查询（如"某 API 的超时参数"）属于杀鸡用牛刀，直接搜更快。
• 质量评级依赖信源分级规则，若目标领域缺乏权威来源（如非常新的开源项目动态），D 级排除规则可能误伤。
• Token 预算与矩阵规模直接挂钩（轻量约 12 万、标准约 27 万、执行约 55 万），低成本场景应先切轻量模式。
• 规划模式的输出质量取决于用户修正能力，矩阵本身不保证覆盖全部子问题。