| name | search-layer |
| description | DEFAULT search tool for ALL search/lookup needs. Multi-source search and deduplication layer with intent-aware scoring. Integrates Brave Search (web_search), Exa, Tavily, and Grok to provide high-coverage, high-quality results. Automatically classifies query intent and adjusts search strategy, scoring weights, and result synthesis. Use for ANY query that requires web search — factual lookups, research, news, comparisons, resource finding, "what is X", status checks, etc. Do NOT use raw web_search directly; always route through this skill.
|
Search Layer v2.2 — 意图感知多源检索协议
四源同级：Brave (web_search) + Exa + Tavily + Grok。按意图自动选策略、调权重、做合成。
执行流程
用户查询
↓
[Phase 1] 意图分类 → 确定搜索策略
↓
[Phase 2] 查询分解 & 扩展 → 生成子查询
↓
[Phase 3] 多源并行检索 → Brave + search.py (Exa + Tavily + Grok)
↓
[Phase 4] 结果合并 & 排序 → 去重 + 意图加权评分
↓
[Phase 5] 知识合成 → 结构化输出
Phase 1: 意图分类
收到搜索请求后，先判断意图类型，再决定搜索策略。不要问用户用哪种模式。
| 意图 | 识别信号 | Mode | Freshness | 权重偏向 |
|---|
| Factual | "什么是 X"、"X 的定义"、"What is X" | answer | — | 权威 0.5 |
| Status | "X 最新进展"、"X 现状"、"latest X" | deep | pw/pm | 新鲜度 0.5 |
| Comparison | "X vs Y"、"X 和 Y 区别" | deep | py | 关键词 0.4 + 权威 0.4 |
| Tutorial | "怎么做 X"、"X 教程"、"how to X" | answer | py | 权威 0.5 |
| Exploratory | "深入了解 X"、"X 生态"、"about X" | deep | — | 权威 0.5 |
| News | "X 新闻"、"本周 X"、"X this week" | deep | pd/pw | 新鲜度 0.6 |
| Resource | "X 官网"、"X GitHub"、"X 文档" | fast | — | 关键词 0.5 |
详细分类指南见 references/intent-guide.md
判断规则：
- 扫描查询中的信号词
- 多个类型匹配时选最具体的
- 无法判断时默认
exploratory
Phase 2: 查询分解 & 扩展
根据意图类型，将用户查询扩展为一组子查询：
通用规则
- 技术同义词自动扩展：k8s→Kubernetes, JS→JavaScript, Go→Golang, Postgres→PostgreSQL
- 中文技术查询：同时生成英文变体（如 "Rust 异步编程" → 额外搜 "Rust async programming"）
按意图扩展
| 意图 | 扩展策略 | 示例 |
|---|
| Factual | 加 "definition"、"explained" | "WebTransport" → "WebTransport", "WebTransport explained overview" |
| Status | 加年份、"latest"、"update" | "Deno 进展" → "Deno 2.0 latest 2026", "Deno update release" |
| Comparison | 拆成 3 个子查询 | "Bun vs Deno" → "Bun vs Deno", "Bun advantages", "Deno advantages" |
| Tutorial | 加 "tutorial"、"guide"、"step by step" | "Rust CLI" → "Rust CLI tutorial", "Rust CLI guide step by step" |
| Exploratory | 拆成 2-3 个角度 | "RISC-V" → "RISC-V overview", "RISC-V ecosystem", "RISC-V use cases" |
| News | 加 "news"、"announcement"、日期 | "AI 新闻" → "AI news this week 2026", "AI announcement latest" |
| Resource | 加具体资源类型 | "Anthropic MCP" → "Anthropic MCP official documentation" |
Phase 3: 多源并行检索
Step 1: Brave（所有模式）
对每个子查询调用 web_search。如果意图有 freshness 要求，传 freshness 参数：
web_search(query="Deno 2.0 latest 2026", freshness="pw")
Step 2: Exa + Tavily + Grok（Deep / Answer 模式）
对子查询调用 search.py，传入意图和 freshness：
uv run --with requests python ./search-layer/scripts/search.py \
--queries "子查询1" "子查询2" "子查询3" \
--mode deep \
--intent status \
--freshness pw \
--num 5
各模式源参与矩阵：
| 模式 | Exa | Tavily | Grok | 说明 |
|---|
| fast | ✅ | ❌ | fallback | Exa 优先；无 Exa key 时用 Grok |
| deep | ✅ | ✅ | ✅ | 三源并行 |
| answer | ❌ | ✅ | ❌ | 仅 Tavily（含 AI answer） |
参数说明：
| 参数 | 说明 |
|---|
--queries | 多个子查询并行执行（也可用位置参数传单个查询） |
--mode | fast / deep / answer |
--intent | 意图类型，影响评分权重（不传则不评分，行为与 v1 一致） |
--freshness | pd(24h) / pw(周) / pm(月) / py(年) |
--domain-boost | 逗号分隔的域名，匹配的结果权威分 +0.2 |
--num | 每源每查询的结果数 |
Exa 源说明（两层角色）：
- Retrieval lane（默认主路径）：
- 默认仍走
/search，但不再固定死 type=auto
- 当前最小映射：
resource → instantstatus / news → fastexploratory + mode=deep → deep- 其他 →
auto
- 默认附带
contents.highlights.maxCharacters=1200，提升 snippet 质量，避免 Exa 结果因空摘要在本地 ranking 中被低估
freshness 会映射为 Exa startPublishedDate，让 status/news 查询和 Tavily/Grok 时间窗口更一致- 结果 metadata 中保留
meta.exaType，便于观测实际 resolved type
- Research lane（选择性升级）：
- 仅当 query 命中复杂
comparison / exploratory / status / news 场景时，在标准候选召回之后追加一段 Exa type=deep 研究块，并以 research 字段附加到输出
research 是附加 contract，不替换 results，保证旧调用方仍可只读 results- 当前边界：comparison 需显式对比词/判断词/3+ 子查询；exploratory 需判断/因果/对比词；status/news 需判断/因果词，不因普通多查询扩展误触发
- 暂不把
deep-reasoning / outputSchema 接进默认主路径，避免基础 search-layer 变成重型 research/synthesis 引擎
- Exa 端点默认是
https://api.exa.ai/search；如需自建/代理，可通过 EXA_API_BASE/EXA_API_URL 或 ~/.config/search-skills/credentials.json 里的 exaApiBase 覆盖（示例：https://exa.example.com）
Grok 源说明：
- 通过 completions API 调用 Grok 模型（
grok-4.1-fast），利用其实时知识返回结构化搜索结果
- 自动检测时间敏感查询并注入当前时间上下文
- 在 deep 模式下与 Exa、Tavily 并行执行
- 需要在
~/.config/search-skills/credentials.json 中配置 Grok 的 apiUrl、apiKey、model（或通过环境变量 GROK_API_URL、GROK_API_KEY、GROK_MODEL）
- 如果 Grok 配置缺失，自动降级为 Exa + Tavily 双源
Step 3: 合并
将 Brave 结果与 search.py 输出合并。按 canonical URL 去重，标记来源。
如果 search.py 返回了 score 字段，用它排序；Brave 结果没有 score 的，用同样的意图权重公式补算。
Phase 3.5: 引用追踪（Thread Pulling）
当搜索结果中包含 GitHub issue/PR 链接，且意图为 Status 或 Exploratory 时，自动触发引用追踪。
自动触发条件
- 意图为
status 或 exploratory
- 搜索结果中包含
github.com/.../issues/ 或 github.com/.../pull/ URL
方式 1: search.py --extract-refs（批量）
在搜索结果上直接提取引用图，无需额外调用：
uv run --with requests python search.py "AES-CBC PKCS7 padding bug" --mode deep --intent status --extract-refs
输出中会多一个 refs 字段，包含每个结果 URL 的引用列表。
也可以跳过搜索，直接对已知 URL 提取引用：
uv run --with requests python search.py --extract-refs-urls "https://github.com/owner/repo/issues/123" "https://github.com/owner/repo/issues/456"
方式 2: fetch-thread（单 URL 深度抓取）
对单个 URL 拉取完整讨论流 + 结构化引用：
uv run python fetch_thread.py "https://github.com/owner/repo/issues/123" --format json
uv run python fetch_thread.py "https://github.com/owner/repo/issues/123" --format markdown
uv run python fetch_thread.py "https://github.com/owner/repo/issues/123" --extract-refs-only
GitHub 场景（issue/PR）：通过 API 拉取正文 + 全部 comments + timeline 事件（cross-references、commits），提取：
- Issue/PR 引用（#123、owner/repo#123）
- Duplicate 标记
- Commit 引用
- 关联 PR/issue（timeline cross-references）
- 外部 URL
通用 web 场景：web fetch + 正则提取引用链接。
Agent 执行流程
Step 1: search-layer 搜索 → 获取初始结果
Step 2: search.py --extract-refs 或 fetch-thread → 提取线索图
Step 3: Agent 筛选高价值线索（LLM 判断哪些值得追踪）
Step 4: fetch-thread 深度抓取每个高价值线索
Step 5: 重复 Step 2-4，直到信息闭环或达到深度限制（建议 max_depth=3）
Phase 4: 结果排序
评分公式
score = w_keyword × keyword_match + w_freshness × freshness_score + w_authority × authority_score
权重由意图决定（见 Phase 1 表格）。各分项：
- keyword_match (0-1)：查询词在标题+摘要中的覆盖率
- freshness_score (0-1)：基于发布日期，越新越高（无日期=0.5）
- authority_score (0-1)：基于域名权威等级
- Tier 1 (1.0): github.com, stackoverflow.com, 官方文档站
- Tier 2 (0.8): HN, dev.to, 知名技术博客
- Tier 3 (0.6): Medium, 掘金, InfoQ
- Tier 4 (0.4): 其他
完整域名评分表见 references/authority-domains.json
Domain Boost
通过 --domain-boost 参数手动指定需要加权的域名（匹配的结果权威分 +0.2）：
uv run --with requests python search.py "query" --mode deep --intent tutorial --domain-boost dev.to,freecodecamp.org
推荐搭配：
- Tutorial →
dev.to, freecodecamp.org, realpython.com, baeldung.com
- Resource →
github.com
- News →
techcrunch.com, arstechnica.com, theverge.com
Phase 5: 知识合成
根据结果数量选择合成策略：
小结果集（≤5 条）
逐条展示，每条带源标签和评分：
1. [Title](url) — snippet... `[brave, exa]` ⭐0.85
2. [Title](url) — snippet... `[tavily]` ⭐0.72
中结果集（5-15 条）
按主题聚类 + 每组摘要：
**主题 A: [描述]**
- [结果1] — 要点... `[source]`
- [结果2] — 要点... `[source]`
**主题 B: [描述]**
- [结果3] — 要点... `[source]`
大结果集（15+ 条）
高层综述 + Top 5 + 深入提示：
[一段综述，概括主要发现]
**Top 5 最相关结果：**
1. ...
2. ...
共找到 N 条结果，覆盖 [源列表]。需要深入哪个方面？
合成规则
- 先给答案，再列来源（不要先说"我搜了什么"）
- 按主题聚合，不按来源聚合（不要"Brave 结果：... Exa 结果：..."）
- 冲突信息显性标注：不同源说法矛盾时明确指出
- 置信度表达：
- 多源一致 + 新鲜 → 直接陈述
- 单源或较旧 → "根据 [source]，..."
- 冲突或不确定 → "存在不同说法：A 认为...，B 认为..."
降级策略
- Exa 429/5xx → 继续 Brave + Tavily + Grok
- Tavily 429/5xx → 继续 Brave + Exa + Grok
- Grok 超时/错误 → 继续 Brave + Exa + Tavily
- search.py 整体失败 → 仅用 Brave
web_search（始终可用）
- 永远不要因为某个源失败而阻塞主流程
向后兼容
不带 --intent 参数时，search.py 行为与 v1 完全一致（无评分，按原始顺序输出）。
现有调用方（如 github-explorer）无需修改。
快速参考
| 场景 | 命令 |
|---|
| 快速事实 | web_search + uv run --with requests python search.py --mode answer --intent factual |
| 深度调研 | web_search + uv run --with requests python search.py --mode deep --intent exploratory |
| 最新动态 | web_search(freshness="pw") + uv run --with requests python search.py --mode deep --intent status --freshness pw |
| 对比分析 | web_search × 3 queries + uv run --with requests python search.py --queries "A vs B" "A pros" "B pros" --intent comparison |
| 找资源 | web_search + uv run --with requests python search.py --mode fast --intent resource |
