source-radar

# source-radar

**给 AI 用的可审计信息采集引擎。**

不是聊天机器人，不是简单搜索封装。它通过 MCP Server 或 CLI 为外部 AI 提供搜索、抓取、社区采集能力，把中文互联网搜索结果变成可审计的证据卡，再交给 AI 做综合、核验或研究。内置 AI Search Planner 自动规划搜索词、选平台、质量评估后重试。和普通 AI 搜索的区别在于：链路分层、采集过程可追溯、缓存可查、追问上下文可控。

## 和普通 AI 搜索有什么区别

| 能力 | 普通 AI 搜索 | source-radar |
|------|-------------|--------------|
| 搜索网页 | 有 | 有（SearXNG 元搜索引擎 + Bing fallback + site 过滤） |
| AI 搜索规划 | 无 | AI Search Planner：自动改词、选平台、质量门重试 |
| 质量评估 | 无 | 8 个检测器：语义不匹配、方法型缺社区、导航菜单等 |
| MCP Server | 无 | 5 个工具：web_search / fetch_url / search_github / search_chinese_platforms / fetch_github_file |
| 证据卡结构化 | 不稳定，每次格式不同 | 统一证据卡，有 id/来源类型/链接/摘要 |
| 工具调用追溯 | 不透明 | 完整记录：用了哪些工具、跳过哪些、为什么 |
| 缓存命中可见 | 通常不可见 | 命中次数、缓存时长都在 JSON 里 |
| 追问上下文 | 黑箱 | 可记录、可关闭、是否使用上下文可查 |
| 严格核验模式 | 看模型发挥 | 独立链路：纯搜索结果不够，强制追加正文抽取 |
| 中文社区增强 | 弱 | 可接 MediaCrawler（小红书/微博/B站/贴吧/抖音/知乎） |
| 适合 Agent 集成 | 一般 | 专门设计：JSON 输出干净、进度与结果分离、追溯结构化；支持 MCP Server |

**一句话总结**：普通 AI 搜索是"快速查一下"，source-radar 是"可审计的信息采集流水线"。

## 架构

```
┌─────────────────────────────────────────────────────────┐
│  CLI / Claude Code Skill / MCP Server / AI Agent        │
│  ask / verify / research / web_search / fetch_url / search_github / search_chinese_platforms / fetch_github_file  │
└───────────────┬─────────────────────────────────────────┘
                │
                ▼
┌─────────────────────────────────────────────────────────┐
│  Agent (内置)                                            │
│  ┌──────────────┐  ┌──────────────┐  ┌───────────────┐  │
│  │ AI Planner   │  │  Evaluator   │  │  Synthesizer  │  │
│  │ 搜索规划+重试 │  │  判断证据     │  │  综合输出      │  │
│  └──────┬───────┘  └──────┬───────┘  └───────────────┘  │
│         │                 │                              │
│         ▼                 ▼                              │
│  ┌──────────────────────────────────────────────────┐   │
│  │  Adaptive Collection                             │   │
│  │  1. AI Planner 生成 2-4 个搜索尝试                │   │
│  │  2. 执行搜索，合并候选                            │   │
│  │  3. 质量评估 (8 个检测器)                         │   │
│  │  4. 质量低 → AI 重试改词/换平台                   │   │
│  │  5. planner 指定平台 → 强制 MediaCrawler          │   │
│  │  6. Evaluator 决定是否需要更多工具                │   │
│  └──────────────────────────────────────────────────┘   │
│         │                                                │
│         ▼                                                │
│  ┌──────────────┐  ┌──────────────┐  ┌───────────────┐  │
│  │  Cache       │  │  Session     │  │  Agent Trace  │  │
│  │  采集结果缓存 │  │  追问上下文   │  │  完整采集追踪  │  │
│  └──────────────┘  └──────────────┘  └───────────────┘  │
└─────────────────────────────────────────────────────────┘
                │
                ▼
┌─────────────────────────────────────────────────────────┐
│  采集引擎                                                  │
│  ┌────────────────────┐ ┌────────────┐ ┌───────────────┐ │
│  │ SearXNG (必选)     │ │trafilatura │ │ crawl4ai      │ │
│  │ 元搜索引擎          │ │正文抽取     │ │ 动态渲染       │ │
│  └────────────────────┘ └────────────┘ └───────────────┘ │
│  ┌────────────┐ ┌──────────────────────────────────────┐ │
│  │ Bing/百度  │ │ mediacrawler (外部 bridge, 可选)     │ │
│  │ fallback   │ │ 小红书/微博/B站/贴吧/抖音/知乎       │ │
│  └────────────┘ └──────────────────────────────────────┘ │
└─────────────────────────────────────────────────────────┘
```

## 快速开始

```bash
git clone https://github.com/Narylr350/source-radar.git
cd source-radar

# 1. 安装核心依赖
uv run python -m source_radar engine install

# 2. 安装 SearXNG（必选 websearch 基础设施）
uv run python -m source_radar engine install --searxng

# 3. 启动 SearXNG
uv run python -m source_radar engine start searxng

# 4. 配置 AI（支持 OpenAI / Anthropic / Gemini / 本地模型）
uv run python -m source_radar config setup

# 5. 验证 SearXNG 可用
uv run python -m source_radar probe --source searxng --query "test"

# 6. 使用
uv run python -m source_radar ask "RTX 5090 电源兼容问题"
uv run python -m source_radar verify "某产品宣布涨价 30%"
```

SearXNG 是必选的 websearch 基础设施——没有它只能靠不稳定的搜索页抓取。安装后通过 `engine start searxng` 启动，自动写入配置。

如果需要增强中文社区采集（小红书/微博/B站等），再配置 MediaCrawler：

```bash
uv run python -m source_radar engine install --community
uv run python -m source_radar cookie
```

## 真实 demo：9800x3D 超频查询

```bash
uv run python -m source_radar ask "9800x3d 微星b850 怎么超频" --format json --quiet
```

输出（简化）：

```json
{
  "query": "9800x3d 微星b850 怎么超频",
  "status": "analysis-ready",
  "evidence": [
    {"id": "ev-001", "source_type": "search-result", "title": "9800X3D超频教程...", "adapter": "search"},
    {"id": "ev-002", "source_type": "web-page", "title": "PBO2设置指南...", "adapter": "trafilatura"}
  ],
  "analysis": {
    "summary": "9800X3D 超频主要通过 PBO2 + Curve Optimizer 实现...",
    "key_points": ["BIOS 中开启 PBO2 Advanced", "CO 值建议 -20 到 -30", "..."],
    "source_notes": ["search: 5 条来源", "trafilatura: 2 条来源"],
    "disagreements": [],
    "noise_notes": ["搜索结果只作为线索，优先看正文抽取和社区原帖。"]
  },
  "agent": {
    "mode": "analysis",
    "planned_tools": ["search", "trafilatura"],
    "tool_c

... (truncated)