联网深度研究技能。零第三方依赖（只用 Python 标准库），无需 API Key。
python3 scripts/search.py "固态电池产业化进展"产出的不是链接列表，而是每条要点都带 [n] 出处的证据报告。
问题
├─ 规划：拆成主题面（定义/原理/现状/对比/应用/数据/风险/方法/观点/反例）
├─ 检索：每个子查询 × 多个引擎，并行
├─ 挑选：引擎权重 + 排名 + 多引擎印证 + 域名权威度 → 决定抓哪些页面
├─ 抓取：下载正文，抽正文（去导航/广告/页脚）
├─ 打分：BM25 相关性 + 权威度 + 时效性 + 正文厚度 + 印证数
├─ 缺口：哪些主题面还没证据？正文里冒出哪些新实体？
├─ 追问：针对缺口生成下一轮查询（可多轮）
└─ 产出：抽取式摘要（每句带出处）+ 分歧 + 缺口 + 来源清单
# 默认：2 轮、抓正文、Markdown 报告（5~30 秒）
python3 scripts/search.py "固态电池产业化进展"
# 最快：只检索不抓正文（2~5 秒）
python3 scripts/search.py "向量数据库" -r 1 --no-fetch -f brief
# 更深
python3 scripts/search.py "Transformer 架构的局限" -r 3 -n 20 -b 6
# 落盘全部证据
python3 scripts/search.py "RAG 的局限" -o ./out/rag
# 用自己规划的子查询（复杂问题效果显著更好）
python3 scripts/search.py "如何选型向量数据库" \
-q "向量数据库 对比 HNSW IVF PQ" "向量数据库 成本 运维 实践"
# 离线自检（92 项，不联网）
python3 scripts/search.py --test深度搜索会真的下载页面，默认配置不便宜。按需调：
| 场景 | 命令 | 耗时 |
|---|---|---|
| 只要链接和摘要 | -r 1 --no-fetch -f brief |
2~5 秒 |
| 要正文但不用追问 | -r 1 |
5~15 秒 |
| 默认 | （无参数） | 5~30 秒 |
| 深挖 | -r 3 -k 20 -n 20 |
30~90 秒 |
输出格式：-f markdown（默认，给人读）· -f json（agent 加工）·
-f brief（要点+来源，最省上下文）。
这是一个 DSH 技能。推荐用 npx skills 安装——它会自动放到 DSH 扫描的技能根目录，
目录名也按 frontmatter 的 name 取好。没有构建步骤，没有第三方依赖（纯标准库，Python 3.8+）。
# 装到当前项目（<项目根>/.agents/skills/search/）
npx skills add ai4next/search
# 装到用户级，所有项目可用（~/.agents/skills/search/）
npx skills add ai4next/search -g# 1. 文件在位
ls ~/.agents/skills/search/SKILL.md
# 2. 能跑（92 项离线自检，不联网）
python3 ~/.agents/skills/search/scripts/search.py --test
# 3. 能搜
python3 ~/.agents/skills/search/scripts/search.py "向量数据库" -r 1 --no-fetch -f brief装好后，技能会以 search 出现在会话的技能目录里，无需重启。
DSH 只扫描技能根目录的第一层，两种形态：
<技能根>/<目录名>/SKILL.md ← 目录包（本仓库用这种）
<技能根>/<名字>.md ← 单文件
嵌套的 **/SKILL.md 不会被发现。 也就是说本仓库的目录必须直接位于技能根下，
不能再套一层。技能名取自 SKILL.md 的 frontmatter，与目录名无关。
被扫描的技能根（按优先级，数字小的优先）：
| 优先级 | 路径 | 作用范围 |
|---|---|---|
| 100 | <项目根>/.dsh/skills |
当前项目 |
| 200 | <项目根>/.agents/skills |
当前项目 |
| 300 | customSkillDirs（配置项） |
自定义 |
| 400 | <DSH_HOME>/skills |
当前用户 |
| 500 | ~/.agents/skills |
当前用户 |
<项目根>= 最近的含.git的祖先目录；没有则用当前工作目录~/.agents可用环境变量DSH_AGENTS_HOME覆盖- 技能根被监听，新增/改名/删除无需重启；软链接会被跟随
npx skills add 默认装的 <项目根>/.agents/skills/（rank 200），
加 -g 装的 ~/.agents/skills/（rank 500），都在上表内。
- 别把仓库嵌太深：
~/.agents/skills/foo/search/不会被发现， 必须是~/.agents/skills/search/。 - 在本仓库里工作时，项目根就是本仓库，此时
.agents/skills指的是<本仓库>/.agents/skills—— 仓库根目录的 SKILL.md 不会被自动发现。 想在本仓库内可用，按方式一装到用户级，或在仓库内建.agents/skills/search软链指向仓库自身。
可靠（JSON API / 稳定解析）：arXiv、Crossref、OpenAlex、Wikipedia(中/英)、 GitHub、Stack Overflow、Hacker News、必应中文、必应国际、百度
尽力而为：360、搜狗、Brave、Mojeek、Ecosia
python3 scripts/search.py --list-engines意图路由自动选引擎：general / tech / academic / finance / news / social / knowledge / privacy / advanced。
- 检索请求不套 robots.txt，抓正文严格遵守。 向搜索引擎发查询等价于
用户在搜索框输入；而抓取第三方页面是爬取。混为一谈会让技能完全无法工作
（Bing/Baidu 的 robots 都禁止
/search）。 - 先挑后抓。 检索命中可能上百条，抓取是最慢最易被反爬的一步， 所以先用多信号挑出最值得的 N 条。
- 中文术语用邻接熵发现，不用词频。 靠词频会选出 "态电池产" 这种跨词碎片 （它和 "固态电池" 词频一样高，因为总一起出现）；邻接熵能识别出它不是独立词。
- 英文库自动剥离中文。
"python asyncio 超时处理"→"python asyncio"， 否则 GitHub/arXiv 的召回直接归零。 - 分歧检测只认特征词。 共享话题词（"固态电池"）不算分歧， 否则任意两句都会被判成分歧——那比没有这一节更糟。
- 摘要硬去重。 网页常把同一句放在摘要块和正文各一次，只靠 MMR 惩罚 不够，会重复输出。
config.yaml 的 deep_search: 段可设默认值，命令行参数优先。
python3 scripts/search.py "查询" --show-config # 查看生效配置SKILL.md 技能定义（agent 读这个）
config.yaml 配置（YAML，PyYAML 缺失时用内置解析器）
scripts/
search.py 唯一入口
ds/ 内核（全部零依赖）
net.py HTTP：编码嗅探、gzip、限速、缓存、robots
dom.py 迷你 DOM + CSS 子集选择器
extract.py 正文抽取（readability 精简版）
engines.py 引擎注册表 + 意图路由
planner.py 查询分解 + 缺口追问
rank.py 去重 / BM25 排序 / 抽取式摘要 / 分歧检测
report.py 证据包与 Markdown 渲染
pipeline.py 多轮编排
text.py 分词 / SimHash / URL 规范化 / 术语发现
config.py 配置读取
test/
test_deep_search.py 离线自检（92 项）
- 知乎、百度百科、百家号的
robots.txt禁止抓取 → 会被礼貌跳过（计入 warnings）， 这类页面只能拿到搜索摘要，拿不到正文 - DuckDuckGo、Yahoo 在部分网络下不可达 → 已从注册表移除
- 依赖第三方站点可用性；某引擎失败不影响整体，报告会如实标注
- 报告要点是抽取式（原句摘录），不是结论；综合判断由使用者完成
MIT