Deep-Search 深度搜索

围绕一个资料任务持续「查找 → 判断 → 交付」，而不是一次检索即答。

> 不是"什么都能查、什么都能答"，也不是"给问答加联网开关"——而是选择合适的查找方式、依据结果补齐证据、整理成可继续使用的交付材料。

你会看到什么（问题 → 产物 → 答案）

When to use（何时使用）

以下情况使用本 skill：

• 用户要求搜索 / 查看 / 找知识库中的文件、资料、文档
• 用户要求盘点近期资料、归纳重点、汇总结论
• 用户要求对比多份文档的异同
• 用户要求查某指标 / 错误码 / 版本号 / 专有名词出现在哪里
• 用户要求结合知识库与公开信息分析（联网作为常规检索手段，默认可用）
• 用户要求把查找结果整理成报告 / 表格

即使用户没说"搜索"，只要任务是"在资料里查找并汇总结论"都适用。

> 不要触发：简单的单文件读取、无检索的纯问答（AI 可直接处理，加载 skill 反而浪费）。

输入与协作（能力边界补充）

输入字段表（本技能以自然语言任务驱动，无强制结构化参数；下列线索帮助更准）：

无输入降级：未给范围时默认当前工作区范围，不静默崩、不擅自扩全库；范围模糊则一次确认，仍不明用最小默认范围并明示。

关联技能分工（均为可选协作，缺失不影响本技能核心功能）：
- 金融数据类（实时行情 / 财报等结构化数据）：交给专用数据技能，本技能专注通用资料检索整理。
- 报告仪表盘类：本技能产出 md + HTML 报告；可视化仪表盘 / 运营视图可由报告类技能承接。
- 知识库归档类：检索结论可经归档类技能存入知识库，形成可复用先验。
- 技能发布审查类：发布前就绪审查可用发布审计类技能（与本技能无运行耦合）。

Core workflow（核心流程）

核心九阶段，按顺序执行；其前后各加一层增强（用户上下文加载 + 学习闭环）：

0. 用户上下文加载（启动即读） — 读取 WorkBuddy 系统自带用户画像，提炼领域词表 / 实体别名 / 结果偏好，用于 Query 消歧与结果聚焦（详见「用户上下文层」）；同步读取 references/learnings.md 作为历史先验（详见「学习闭环」）
1. 理解任务并拆解 — 判断复杂度（单查 / 盘点 / 对比 / 结合外部），拆子任务
2. 范围确认 — 默认当前范围；若用户提及"上次 / 之前 / 之前聊过 / 翻记录 / 旧对话 / 历史讨论 / 那次"等，直接把历史对话（conversation_search）纳入检索范围，无需额外确认（详见「历史对话检索」）；只在"扩大文件范围"影响结论且无法默认时，一次一问
3. 查询理解 — 解析 {范围, 实体, 时间, 意图} 四维 + 按改写决策树生成检索就绪查询集（用户口语词先过「用户上下文层」别名映射再改写）
4. 检索路由级联 — 定主题域 → 实体消歧（条件）→ 关系拓扑 → 补证
5. 检索方式决策 — 按查询特征自动选关键词 / 语义 / 文件定位
6. 定位 → 读取 — 先 Glob 定位 + 读 frontmatter 元数据，再 Read 正文
7. 证据补齐 — 只补缺口，足够即停，不重复已确认内容
8. 诚实标注 — 未覆盖处标"未找到 / 未涉及"，绝不补写
9. 整理交付 — 生成 md 底稿 + HTML 报告
10. 学习闭环（末段 loop） — 自我总结本次检索得失，写入 references/learnings.md 供下次先验（详见「学习闭环」）

> 第 3、4、5 步的详细规则：读 references/retrieval.md（含查询理解层改写决策树）
> 第 9 步的交付规范与模板：读 references/delivery.md、assets/report-template.html

Retrieval decision（检索决策要点）

关键心智：漏召常在检索之前——先帮用户把 Query 变清楚（改写/扩展，详见 references/retrieval.md 第二节决策树），再走检索；检索是逐步收窄的路由机制——先导航定主题，再消歧，再走关系，最后补证。

外部深度检索子流（需外部信息时启用）

> 当本地/知识库检索后仍存在证据缺口，或主题涉当前外部变化（新闻、公开行业动态、实时数据）时，进入本子流。逻辑提炼自多源深度研究方法：先规划、再检索、深读取证、引用可追溯——不依赖任何外部 CLI/脚本，直接用本环境 WebSearch / WebFetch。

按以下步骤执行（详细规则见 references/retrieval.md 第八节）：

• E1 子问题拆解（3-5 个）：把主题拆成可独立检索的子问题（如"现状 / 数据 / 驱动因素 / 主要玩家 / 风险"），避免一次性宽搜漏召。
• E2 多查询 Web + News：对每个子问题用 2-3 组关键词变体（WebSearch），web 与 news 混合；瞄准 15-30 个唯一来源，去重合并。
• E3 源优先级筛选：优先 官方 / 学术 / 权威媒体 > 博客 > 论坛；时间上优先近 12 个月。
• E4 WebFetch 深读 Top 3-5：对最 promising 的 URL 用 WebFetch 取全文取证，不只用搜索摘要。
• E5 引用标注 + 单源存疑：每条外部结论标 [外] 并附 URL；仅单一来源支撑的结论追加"未验证"提示，不暗示确证。

质量红线（与关键约束同源）：
1. 每条外部主张必须有 URL 出处，无出处不写。
2. 仅单一来源 → 标"未验证"，不升级为定论。
3. 近 12 个月优先；旧源须显式标注时间。
4. 找不到 → 标 [⚠ 未覆盖]，不编造。
5. 内/外来源分别支撑，并入 phase 9 统一交付，不混淆。

Delivery（交付要点）

• 产物：md 工作底稿（含 wikilink 可溯源）+ HTML 单页报告（积木卡片风，单文件可分享/打印）
• 默认输出目录：<workspace>/outputs/deep-search/；文件名 deep-search-{YYYYMMDD}-{slug}.{md,html}（slug 取主题短码）；目录不存在则创建
• 来源标注：结论级 [内] / [外] / [内+外] / [⚠未覆盖] + 证据清单表
• 进阶口径模块：仅跨文档对比 / 专业术语查询时启用（支撑答"信不信"，口径答"按什么标准"）
• 免责声明：高风险领域 / 对比建议 / 跨文档对比才触发；仅整理不解释 模式自动跳过
• 模板：assets/report-template.html、assets/report-template.md

典型检索的工具调用序列（执行透视）

> 以"查最近一个月关于某主题的资料并归纳重点"为例，本 skill 的实际执行序列：

# 阶段 0 加载用户上下文（画像 / learnings 作为检索聚焦先验）
# 阶段 3 改写查询：口语词过别名映射 → 检索就绪查询集
Glob "**/*.md"                 # 先按文件名 / 时间线索定位候选文件
Grep -n "主题关键词" <候选目录>   # 关键词精确匹配，缩小范围
Read <命中的文件>               # 读正文取证，按 [内]/[外] 标注来源
# 阶段 7 证据补齐：仅补缺口，足够即停
# 阶段 9 整理交付：写 <workspace>/outputs/deep-search/ 下的 md + HTML

> 之所以先 Glob 再 Grep 再 Read，是因为分层定位能减少无用全文扫描；之所以"足够即停"，是因为这能避免重复已确认内容、控制 token 消耗。

用户上下文层（启动即加载）

> 目标：提高对检索用语（Query）和检索结果（Result）的精确理解与界定。
> 关于"安装时"：技能本身无法在安装时执行代码，故落地为「每次启动检索任务时加载用户画像」——等价效果，且能随画像更新实时生效。

加载来源（WorkBuddy 系统自带用户画像，按可用度读取，缺失不臆造）：
- 云端长期画像 <memory> 块（会话开始自动注入：用户身份、偏好、长期习惯）
- 用户级长期记忆：~/.workbuddy/MEMORY.md
- 工作区项目约定：./.workbuddy/memory/MEMORY.md

提炼为「用户上下文」短期记忆（仅用于检索聚焦）：
- 领域词表：用户主业与关注领域。例：某用户主业为 X 行业 → 领域词表 [行业术语 / 相关标的 / 关键指标]
- 实体别名映射（口语 → 库内规范词）：把用户口头简称映射为知识库规范名。
- 例：简称A→规范名、术语B→规范所指（从用户画像自动提取，绝不写死）
- 结果优先级偏好：用户偏好的资料类型、可信源、近期近因权重
- 术语口径：用户惯用表述 → 真实所指（避免歧义，与 §四 实体消歧互补：这里是"用户侧"消歧，§四是"知识库侧"消歧）

用于精确界定（三处落点）：
1. Query 改写前置消歧：用户口语词先过别名映射，再进检索就绪查询集（phase 3）
2. 结果排序偏置：同相关度下，优先呈现命中领域词表的资料
3. 范围/口径判定：用户说"我的持仓/组合"等，按画像界定具体对象，避免泛化

约束：画像仅用于"聚焦与界定"，绝不依据画像臆造画像外内容或结论；画像缺失/冲突时退化为中性检索。

历史对话检索（conversation_search 直接触发）

> 对应 phase 2 范围确认中的历史对话分支，让「翻旧对话找某次讨论」触发更直接。

直接触发信号词（命中即纳入检索范围，无需额外确认）：
- "上次 / 之前 / 之前聊过 / 之前讨论过 / 那次 / 翻记录 / 翻一下对话 / 旧对话 / 历史讨论 / 我们聊过的"

执行：
- 调用 conversation_search，query 须自包含（重述要找的讨论主题 + 时间/背景），因该工具看不到当前对话
- 返回结果作为「历史上下文」来源，与文件来源并列标注（来源分区加「历史对话」一类）
- 若用户同时给了文件范围，则文件 + 历史对话并行检索，结果合并去重

范围确认简化：命中上述信号词时，不再追问"是否要查历史对话"——已隐含授权。仅当要扩大文件范围时才按 phase 2 一次一问。

学习闭环（检索经验回放）

> 让检索在对话/任务间持续变准：每次任务末自我总结，沉淀为下次任务开局即读的先验。

何时写：每次检索任务交付前（phase 10），或长对话每 3-5 轮做一次阶段性总结。

写入位置：references/learnings.md（首次运行自动创建表头；随技能走，跨任务/跨会话累积）。

每条学习条目格式：

### [YYYY-MM-DD] <本次任务主题短码>
- 触发 Query：<用户原话>
- 歧义/坑点：<本次最易漏召或误判的点>
- 消解方式：<如何界定/映射才命中>
- 可复用映射：<新增的 口语→规范 或 实体别名>
- 结果质量：<命中/漏召/误判，及改进>
- 下次建议：<一句话给下次先验>

开局即读：phase 0 用户上下文加载时同步读 references/learnings.md，把历史映射/坑点并入本次「用户上下文」，使消歧与排序直接受益。

循环：learnings 越积越准；定期（如每 30 条）回看去重，把高频映射反哺「用户上下文层」的默认词表。

约束：learnings 只记"检索方法学"经验（怎么找更准），不记用户隐私原文；涉及个人敏感内容仅记抽象方法。

Critical constraints（关键约束 · 即反模式红线）

这些约束既是关键约束，也是使用本技能时最易踩的反模式——一旦做错代价高、且 AI 有倾向做错，因此下硬命令：

1. 绝不补写缺失内容——一律标注"未找到 / 未涉及 / 当前资料未覆盖"（因为补写会污染知识库、破坏结论可追溯性）
2. 绝不擅自扩大范围——未经确认不把搜索扩到全库（因为扩大范围可能触及用户未预期/未授权的资料）
3. 绝不混淆来源——内部资料与公开信息分开标注、分别支撑（因为混源会让结论失去可审计性）
4. 绝不臆造路径——找不到文件时给近似建议，不编造（因为臆造路径会误导后续检索、破坏信任）

> 为什么：相关片段 ≠ 完整答案；编造会污染知识积累，也破坏结论的可追溯性。

Error handling（错误处理）

Examples（示例）

盘点 + 归纳
> "盘点当前范围最近 7 天新入库资料：先告诉我有几篇，再归纳大家重点关注的投资问题。"

跨文档对比（触发进阶口径 + 免责声明）
> "对比《A 指南（2025版）》和《B 共识（2026版）》中痛风治疗方案的异同。"

结合外部
> "先按知识库里 2026 年 AI 产品资料总结要点；再联网查 7 月公开行业变化；整理成行业分析报告。"

仅整理不解释（免触发开关）
> "仅整理不解释：把最近一个月的资料按主题列个清单。"

Delivery self-check（交付前自检清单）

交付前逐条确认，缺一项不交付：

1. ☐ 无补写：所有结论均有来源，未覆盖处标 [⚠ 未覆盖]，无凭空内容
2. ☐ 内/外分离：内部资料与公开信息分别标注、分别支撑，未混淆
3. ☐ 范围未擅自扩大：搜索范围与用户确认/默认范围一致
4. ☐ 来源可溯源：证据清单表的 来源 列指向具体文件/URL
5. ☐ 模板条件块已清理：未启用进阶模块则已删 口径与来源 块及 口径 列；未触发免责声明则已删页脚声明；纯内部检索已删"联网"项与"公开信息"块
6. ☐ 来源标注：内部 [内] 与公开 [外] 已正确区分，公开信息均标 [外]
7. ☐ 学习闭环已落：本次检索的可复用经验已写入 references/learnings.md（无新经验则注明"无新经验"，不空写）
8. ☐ 外部检索合规：若用了 [外] 来源——确认唯一源达 15-30、单源标"未验证"、近 12 月优先、每条附 URL、报告「研究方法」已填检索查询数与深读篇数

排障与 FAQ

症状速查表

• Q1 检索范围默认多大？ 默认当前工作区范围；仅当"扩大文件范围"影响结论且无法默认时，才一次确认，不擅自扩全库。
• Q2 想查历史对话？ 任务里出现"上次 / 之前 / 那次 / 翻记录 / 历史讨论"等信号词，自动把 conversation_search 纳入检索范围，无需额外确认。
• Q3 外部信息靠谱吗？ 所有 [外] 结论附 URL 出处；仅单一来源支撑的标"未验证"，不升级为定论；近 12 个月优先，旧源显式标时间。
• Q4 找不到文件？ 如实标"未找到"，用 Glob 给近似建议，绝不编造路径。
• Q5 报告在哪？ 默认 <workspace>/outputs/deep-search/，文件名 deep-search-{YYYYMMDD}-{slug}.{md,html}。
• Q6 漏召 / 不准？ 在任务里给出口语别名，用户上下文层自动映射到知识库规范词；命中坑点写入 references/learnings.md 沉淀为下次先验。
• Q7 仅整理不解释？ 在请求前加"仅整理不解释"，技能跳过免责声明与解释性口径，只做归集。
• Q8 存回知识库？ 检索结论可经 Work_investment_archiver 归档；本技能本身只产出报告、不自动写库。