SearchAgent 极致严谨检索

要解决的具体问题

构建学科知识库、企业文档问答或学术文献综述时，通用检索方案普遍面临几个老问题：模型输出里充斥 AI 过渡语，原文引用比例低；来源质量参差不齐，缺少统一的权威性评判标准；外部网页内容直接进入上下文，XSS 与 SQL 注入风险被忽视；检索过程没有审计链路，事后无法追溯。SearchAgent 针对这些痛点，用代码级硬约束和结构化流程替代"靠模型自觉"。

核心能力与关键步骤

• 多引擎并发检索：国内（百度、搜狗、360、必应中国）与国际（Google、Bing、DuckDuckGo、Yandex）引擎并发查询，去重后形成候选集，默认单引擎最多取 max_results_per_engine（10）条。
• 权威性五维评分：从域名权威度、引用数、发布时间、作者资质、内容一致性五个维度打分，低于 authority_threshold（默认 0.4）的结果被直接过滤。
• 98% 原文引用硬约束：citation_ratio 设为 0.98，由控制器在输出阶段校验，原文引用比例低于 98% 或 AI 连接语超过 2% 的输出会被拦截重写。
• 沙箱解析与审计链：所有外部抓取内容在 Docker 沙箱中解析，配合白名单域名与 CSP 策略；每次检索生成哈希链日志，支持事后追溯。
• 隐私保护：查询词脱敏，传输走 AES-256-GCM 加密，本地索引不保留原始查询日志。
• 增量知识库：检索结果自动写入本地知识库，支持通过 IMA 进行全文检索的二次命中。

适用边界与注意点

• 依赖 Python ≥ 3.10，沙箱需要 Docker（sandbox_enabled 默认开启，可关闭但不建议）。
• 98% 引用约束在需要大量综合分析的场景可能过于严格，更适合事实型问答、文献综述与交叉验证。
• 白名单域名需自行维护，冷门领域或垂直站点可能被过滤掉有效来源。
• incremental_kb_write 开启后，知识库会持续膨胀，需要定期清理或设置归档策略。