Infoseek：端到端内容智能采集与调研工作流插件

前言¶

在 DSH 生态中构建智能体时，获取高质量、多源信源并验证其真实性是常见痛点。手动编写爬虫维护成本高且容易失效，简单的搜索引擎聚合又缺乏深度筛选和冲突检测。Infoseek 旨在解决这一问题，它是一个端到端的工作流插件，负责多源嗅探、四维评分门控、深度抓取以及跨源矛盾检测，最终输出结构化报告。

核心能力¶

Infoseek 包含以下已核实的能力：

搜索引擎全生命周期管理：包含健康状态机、配额追踪、认证粘滞以及 API 漂移检测。支持 CLI 命令进行引擎状态检查、调和与探测。
搜索召回增强：支持 Query 别名扩展、跨引擎多样性轮询以及自适应相关性门槛。
四维锚点评分：对信源进行 interaction、topic_match、credibility、llm_readability 四维评分，支持信任源和知识库加权。
四级深度抓取：支持从 L1 静态抓取到 L2 浏览器渲染，再到 L3 凭证辅助（内存注入）以及 L4 多媒体 chunk 抓取。
跨源矛盾检测：支持 GA11 同槽键值冲突检测、时间事实槽检测以及否定/反义检测。
按域报告模板：提供 5 领域 profile 及 templates.yaml，支持高分源综合段和核心源检查。
OSINT 身份归因：聚合 sherlock 和 maigret 双源进行 CLI 契约调用，支持用户名到跨平台身份的归因。
QCM 协同：提供 qcm_query 接口，反向调用归零质量管理框架。
回归测试：包含 62 套件统一入口，默认绿基线 0 FAIL。

安装与配置¶

插件采用 MIT 许可证，由 GYINT 维护。

pip install -r requirements.txt
pip install -r requirements-extra.txt

注意路径设置：scripts/ 和 core/ 目录未打包安装到 site-packages 中。在 skill 根目录之外以脚本/SDK 方式调用时，需设置 PYTHONPATH：

export PYTHONPATH="$PWD/scripts:$PWD/core:$PYTHONPATH"
python your_script.py

或者在代码中注入路径：

import sys
sys.path.insert(0, "/path/to/infoseek/scripts")
sys.path.insert(0, "/path/to/infoseek/core")

典型用法¶

使用 Python SDK 进行流式研究：

import sys; sys.path.insert(0, "scripts")
from infoseek_core_v2 import streaming_research

async for partial in streaming_research("GPT-5", sources, lite=True):
    print(partial["step"], "...")

启动 MCP 服务器：

python scripts/infoseek_mcp_server.py

MCP 集成¶

Infoseek 提供 .mcp.json 配置，支持 18 个规范工具和 12 个兼容工具并存。

{
  "mcpServers": {
    "infoseek-search": {
      "command": "python",
      "args": ["${INFOSEEK_ROOT}/scripts/infoseek_mcp_server.py", "--transport", "stdio"],
      "env": {
        "INFOSEEK_ROOT": "${INFOSEEK_ROOT}",
        "INFOSEEK_DB": "${HOME}/.infoseek/infoseek_db.json"
      }
    }
  }
}

可选接口与注意¶

插件预留了以下接口，默认为关闭或未配置状态，按需开启：

搜索引擎请求缓存：默认关闭。可通过环境变量 INFOSEEK_SEARCH_HTTP_CACHE=1 开启，以节省流量，但会牺牲结果时效性。
知识库接线：默认未接线。需设置 INFOSEEK_KB_ID 才能启用知识库作为信源或回写调研报告。
可选依赖：缺失 jieba、pypinyin、playwright 等可选依赖时，系统会自动降级或跳过，不影响核心流程。

插件以当前 DSH 进程权限运行，安装前请检查源码与许可证。