wps-deep-search

name	wps-deep-search
description	【深度搜索】深挖笔记关联，构建知识图谱的 WPS 笔记查询助手。 当用户说"深度搜索""帮我深挖""关联查询""全面梳理"时使用。 支持跨笔记关联挖掘、语义发散扩展、知识沉淀，不同于简单关键词匹配。 不要用于单关键词查询（那用 search_notes MCP 工具）。
metadata	{"version":"1.0.0","category":"search","tags":["search","deep-search","knowledge-graph","note-analysis"],"dependencies":["wps-note"]}

Contract（契约）

Input Contract

• 类型: 自然语言查询或结构化搜索请求
• 必填字段:
  • query: 用户搜索意图描述（自然语言或关键词）
• 可选字段:
  • context: 当前对话上下文，用于消歧
  • filters: 过滤条件对象（时间范围、标签、笔记类型等）
  • max_results: 最大返回结果数，默认 10
  • search_depth: 搜索深度（quick/standard/deep），默认 standard
• 验证规则:
  • query 长度 >= 2 个字符
  • max_results 范围 1-100

Output Contract

• 类型: 结构化搜索结果
• 保证字段:
  • results: 笔记列表（含相关性分数）
  • search_dimensions: 实际使用的搜索维度
  • reasoning: 搜索策略说明
• 约束:
  • 结果按相关性降序排列
  • 每个结果包含笔记 ID、标题、摘要、匹配原因

Error Handling

• 无效查询 → 返回 400，提示优化建议
• 无匹配结果 → 返回空列表 + 扩展搜索建议
• MCP 调用失败 → 返回 503，启用本地降级策略

与 wps-note 的关系

本 Skill 是 wps-note 基础能力层的场景封装层，复用其底层搜索能力，专注于深度搜索场景：

• 不重复定义底层操作：直接调用 wps-note 的 MCP 工具
• 增加智能层：意图解析、策略规划、结果关联分析
• 场景化封装：将多个 MCP 工具调用编排为完整深度搜索流程

---

常用编排模式

模式 1：时间范围 + 主题搜索

适用于查找特定时间段的相关内容：

意图解析 → search_notes({ keyword, since, before }) → find_tags → 结果聚合

模式 2：跨笔记关联挖掘

适用于主题探索，发现分散在多篇笔记中的相关内容：

意图解析 → 扩展关键词 → 并行 search_notes（多组关键词） → 去重聚合 → find_tags → 结果排序

模式 3：单笔记内精确查找

已知笔记范围，查找具体段落：

search_notes({ keyword }) → note_id → search_note_content({ note_id, query }) → read_blocks → 展示具体段落

---

工具列表与调用方式

本 Skill 复用 wps-note 的 MCP 工具执行深度搜索：

工具名	用途	MCP 调用
search_notes	笔记全文搜索（关键词、标签、时间范围）	mcp__wpsnote__search_notes
search_note_content	单笔记内容精确搜索	mcp__wpsnote__search_note_content
get_note_outline	获取笔记结构大纲	mcp__wpsnote__get_note_outline
get_note_info	批量获取笔记元数据	mcp__wpsnote__get_note_info
find_tags	标签查找	mcp__wpsnote__find_tags

MCP 工具调用示例

1. 带时间范围的搜索

search_notes({
  keyword: "项目规划",
  since: "2025-03-01T00:00:00Z",
  before: "2025-03-07T23:59:59Z",
  sort: "update_time",
  direction: "desc",
  limit: 20
})
→ {
  notes: [
    { note_id: "abc123", title: "Q1 项目规划", update_time: "..." },
    ...
  ]
}

2. 标签 + 关键词联合搜索

search_notes({
  keyword: "会议纪要",
  tags: ["工作"],
  since: "2025-02-01T00:00:00Z"
})
→ 返回同时满足：包含"会议纪要" + 标签为"工作" + 2月后的笔记

3. 单笔记内容精确搜索

search_notes({ keyword: "前端架构" }) → note_id: "xyz789"

search_note_content({
  note_id: "xyz789",
  query: "React 组件设计",
  max_results: 10
})
→ [
  { block_id: "p1aBc2De3F", type: "paragraph", preview: "...React 组件..." },
  ...
]

# 读取具体段落
read_blocks({ note_id: "xyz789", block_ids: ["p1aBc2De3F"] })

4. 获取笔记元数据批量确认

search_notes({ keyword: "项目" }) → note_ids: ["id1", "id2", "id3"]

get_note_info({ note_ids: ["id1", "id2", "id3"] })
→ [
  { note_id: "id1", title: "...", word_count: 1200, tags: ["工作"] },
  ...
]

5. 标签发现

find_tags({ keyword: "前端" })
→ [
  { id: "tag1", name: "前端技术" },
  { id: "tag2", name: "前端架构" }
]

Workflow（工作流程）

步骤 1：意图解析

分析用户深度查询意图，提取挖掘维度：

时间维度识别：

• "今天" → since=today, before=today
• "昨天/昨日" → since=yesterday, before=yesterday
• "本周" → since=this_week_start, before=now
• "上周" → since=last_week_start, before=last_week_end
• "本月" → since=this_month_start, before=now
• "最近/近期" → since=7_days_ago, before=now

标签维度识别：

• 提取以 # 开头的标签，如 #项目 #会议

关键词提取：

• 去除时间词、停用词（的、笔记、关于、查找等）
• 保留核心搜索词

步骤 2：策略规划

根据意图选择搜索策略：

意图类型	策略	搜索维度
查找特定笔记	精确匹配	标题 + 关键词
时间范围查询	时间过滤	时间范围 + 关键词
主题探索	发散搜索	关键词 + 标签 + 相关概念
任务聚合	多关键词	同义词并行搜索

步骤 3：执行深度挖掘

1. 调用 search_notes 执行多维度深度查询
2. 如有需要，调用 find_tags 获取相关标签
3. 对高相关性笔记，调用 get_note_outline 获取结构信息
4. 聚合、去重、排序结果

步骤 4：结果呈现

1. 生成结果摘要，说明使用的挖掘维度
2. 为每个结果提供匹配原因
3. 提供关联建议（相关标签、相关笔记）

关键验证点: 每次深度查询必须说明使用了哪些维度，便于用户理解结果来源

Scripts（外部脚本）

scripts/ 目录包含轻量级 CLI 工具，通过 subprocess 调用，不进入 Context Window：

意图解析脚本

python scripts/__init__.py parse --query "上周的会议纪要"

输出：

{
  "query": "上周的会议纪要",
  "keywords": "会议纪要",
  "time_range": {
    "since": "last_week_start",
    "before": "last_week_end"
  },
  "tags": null,
  "max_results": 10
}

资产管理脚本

# 读取资产
python scripts/asset_manager.py read search_patterns.json

# 写入资产
python scripts/asset_manager.py write search_patterns.json --data '{"patterns":[]}'

# 列出资产
python scripts/asset_manager.py list

资产存储位置：~/.claude/wps-search-assets/

Examples（使用示例）

示例 1：模糊查询

输入: "深度搜索：上周关于项目规划的内容"

执行过程:

1. 解析意图：时间维度（上周）+ 主题维度（项目规划）
2. 调用 search_notes：
   • 关键词："项目规划"
   • 时间范围：上周（自动计算日期范围）
3. 调用 find_tags：查找与"项目"、"规划"相关的标签
4. 聚合结果，按时间+相关性排序

输出:

找到 5 条相关笔记：
1. [项目规划-2024Q1] - 匹配：时间(上周) + 主题(项目规划)
2. [产品路线图讨论] - 匹配：主题相关(规划)
3. ...
挖掘维度：关键词 + 时间范围 + 标签关联

示例 2：关联挖掘（展示跨笔记关联）

输入: "深度搜索：和前端架构相关的所有内容"

执行过程:

1. 解析意图：主题维度（前端架构）
2. 发散扩展：
   • 核心词："前端"、"架构"
   • 扩展词："React"、"Vue"、"组件"、"工程化"、"性能优化"
3. 并行调用 search_notes：
   • 查询 1：关键词 "前端" + "架构"
   • 查询 2：关键词 "组件" + "设计"
   • 查询 3：关键词 "工程化"
4. 调用 find_tags：查找技术相关标签
5. 聚合去重，计算综合相关性

输出:

找到 8 条跨笔记相关内容：
1. [前端技术选型] - 直接匹配：前端架构
2. [组件库设计规范] - 扩展匹配：组件设计
3. [前端性能优化方案] - 扩展匹配：工程化
4. [React 最佳实践] - 标签关联：前端技术
...
挖掘维度：关键词(3组) + 标签关联 + 语义扩展
关联挖掘说明：除直接匹配外，还扩展了组件、工程化、性能等相关内容

示例 3：任务型深度查询

输入: "深度搜索：整理我所有的待办事项"

执行过程:

1. 解析意图：任务类型（待办事项）
2. 多关键词并行搜索：
   • "待办"、"待办事项"、"TODO"、"任务清单"
3. 对找到的笔记，调用 search_note_content 定位具体待办段落
4. 聚合展示

输出:

在 3 条笔记中找到待办事项：
1. [每日工作计划] - 包含 5 项待办
2. [项目跟进清单] - 包含 3 项待办
3. [会议待办] - 包含 2 项待办
挖掘维度：多关键词任务类型深度匹配

---

Troubleshooting

搜索结果为空

现象：search_notes 返回空数组 原因：关键词太具体、时间范围太窄、没有匹配标签 解决：

1. 尝试更通用的关键词（如"前端架构"→"前端"）
2. 移除时间限制或扩大范围
3. 使用 find_tags 查看可用标签
4. 尝试同义词或相关概念搜索

结果太多无法筛选

现象：返回 50+ 条笔记，用户难以处理 原因：关键词太宽泛、没有限定条件 解决：

1. 引导用户增加限定词（如添加人名、项目名称）
2. 使用时间范围缩小范围
3. 按标签进一步过滤
4. 展示摘要让用户选择最相关的

关联挖掘找不到相关内容

现象：扩展关键词后仍然没有相关笔记 原因：笔记库中确实缺乏相关内容、扩展方向不对 解决：

1. 调整扩展关键词方向
2. 询问用户是否有特定笔记可能相关
3. 建议用户补充相关笔记到知识库
4. 降级为简单关键词搜索

单笔记内搜索无结果

现象：search_note_content 返回空 原因：笔记确实不包含该关键词、关键词拼写错误 解决：

1. 先用 read_note 或 get_note_outline 确认笔记内容
2. 尝试同义词搜索
3. 检查笔记是否为图片/PDF（不可搜索）

MCP 工具调用失败

现象：search_notes 等工具报错 原因：参数格式错误、EDITOR_NOT_READY、网络问题 解决：

1. 检查参数格式（时间格式 ISO 8601、标签格式等）
2. 确保 WPS 笔记应用正常运行
3. 参考 wps-note SKILL 的 Troubleshooting
4. 错误码速查：
   • INVALID_PARAMS: 检查参数类型和格式
   • RATE_LIMITED: 等待 60 秒后重试
   • INTERNAL_ERROR: 调用 get_mcp_logs 查看详情

时间范围解析错误

现象：用户说"上周"但搜索范围不对 原因：时间计算错误、时区问题 解决：

1. 明确确认用户意图（具体日期范围）
2. 使用脚本 scripts/__init__.py parse 辅助解析
3. 日期边界检查（since ≤ before）

结果排序不符合预期

现象：最相关的笔记不在前面 原因：排序策略不合适、相关性算法局限 解决：

1. 尝试不同排序方式（sort: update_time / relevance）
2. 手动调整结果顺序（基于匹配维度数量）
3. 向用户说明排序逻辑

---

Resources（资源引用）

• 架构设计: references/architecture.md
• 契约详情: references/contract.md
• 外部脚本: scripts/