Infoseek：端到端內容智能採集與調研工作流插件

前言¶

在 DSH 生態中構建智能體時，獲取高質量、多源信源並驗證其真實性是常見痛點。手動編寫爬蟲維護成本高且容易失效，簡單的搜索引擎聚合又缺乏深度篩選和衝突檢測。Infoseek 旨在解決這一問題，它是一個端到端的工作流插件，負責多源嗅探、四維評分門控、深度抓取以及跨源矛盾檢測，最終輸出結構化報告。

核心能力¶

Infoseek 包含以下已覈實的能力：

搜索引擎全生命週期管理：包含健康狀態機、配額追蹤、認證粘滯以及 API 漂移檢測。支持 CLI 命令進行引擎狀態檢查、調和與探測。
搜索召回增強：支持 Query 別名擴展、跨引擎多樣性輪詢以及自適應相關性門檻。
四維錨點評分：對信源進行 interaction、topic_match、credibility、llm_readability 四維評分，支持信任源和知識庫加權。
四級深度抓取：支持從 L1 靜態抓取到 L2 瀏覽器渲染，再到 L3 憑證輔助（內存注入）以及 L4 多媒體 chunk 抓取。
跨源矛盾檢測：支持 GA11 同槽鍵值衝突檢測、時間事實槽檢測以及否定/反義檢測。
按域報告模板：提供 5 領域 profile 及 templates.yaml，支持高分源綜合段和核心源檢查。
OSINT 身份歸因：聚合 sherlock 和 maigret 雙源進行 CLI 契約調用，支持用戶名到跨平臺身份的歸因。
QCM 協同：提供 qcm_query 接口，反向調用歸零質量管理框架。
迴歸測試：包含 62 套件統一入口，默認綠基線 0 FAIL。

安裝與配置¶

插件採用 MIT 許可證，由 GYINT 維護。

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

注意路徑設置：scripts/ 和 core/ 目錄未打包安裝到 site-packages 中。在 skill 根目錄之外以腳本/SDK 方式調用時，需設置 PYTHONPATH：

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

或者在代碼中注入路徑：

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 進行流式研究：

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"], "...")

啓動 MCP 服務器：

python scripts/infoseek_mcp_server.py

MCP 集成¶

Infoseek 提供 .mcp.json 配置，支持 18 個規範工具和 12 個兼容工具並存。

{
  "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"
      }
    }
  }
}

可選接口與注意¶

插件預留了以下接口，默認爲關閉或未配置狀態，按需開啓：

搜索引擎請求緩存：默認關閉。可通過環境變量 INFOSEEK_SEARCH_HTTP_CACHE=1 開啓，以節省流量，但會犧牲結果時效性。
知識庫接線：默認未接線。需設置 INFOSEEK_KB_ID 才能啓用知識庫作爲信源或回寫調研報告。
可選依賴：缺失 jieba、pypinyin、playwright 等可選依賴時，系統會自動降級或跳過，不影響核心流程。

插件以當前 DSH 進程權限運行，安裝前請檢查源碼與許可證。