Infoseek 信息探查

解决什么问题

手动调研时需要跨多个搜索渠道、筛选可信度、处理抓取失败、融合矛盾信息，这些流程分散且难以复用。Infoseek 把「信息发现→内容采集→智能融合→报告输出」封装为标准化流水线，减少重复劳动和人工判断。

核心能力与工作流

• 多源并行检索：关键词展开后从 web/kb/note 多渠道并行嗅探，内置搜索引擎健康状态机（engine_lifecycle.py），自动处理配额、认证粘滞和新鲜度自愈（如配额重置、API 漂移检测）。
• 四维评分门控：按可信度（40%）、主题一致性（30%）、互动深度（20%）、LLM 可读性（10%）对候选源评分，过滤低质量结果（契约见 references/Infoseek_Anchor_Score五维契约_v1.5.md）。
• 4级抓取降级：静态 HTML（L1）→ 浏览器渲染（L2）→ 凭证注入（L3，仅内存）→ 多媒体处理（L4），缺依赖自动降级（如无 playwright 则跳过 L2），避免流程中断。
• 跨源智能融合：通过否定/反义词典检测语义矛盾（core/contradiction_scorer.py），实体识别支持 95+ 词典+跨语种+别名归并（core/entity_graph.py），并做召回增强（别名扩展、跨引擎多样性）。
• 结构化报告：输出 Markdown 报告，包含核心源摘要、多源交叉融合、根因分层表；调研指令加 [归档] 可自动落盘到 infoseek-archives/ 并生成主题 README。

适用边界与注意点

• 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（设计边界明确）。
• 运行时依赖：外部 API Key（LLM Provider、搜索引擎），无 Key 时 LLM 路由自动降级为 mock 模式（core/llm_router.py）；playwright 为可选依赖，未安装时 L2 抓取自动跳过。
• 数据存储：状态文件（claims/aliases/engine_state 等）默认落 ~/.infoseek/（可通过 INFOSEEK_DATA_DIR 覆盖），技能更新不丢数据。