v0.9: parallelize phase4 and add model/search playbooks

2026-04-24 10:19:48 +08:00
parent c444007f04
commit c93fce5078
13 changed files with 626 additions and 100 deletions
@@ -0,0 +1,78 @@
+# Search API Playbook
+
+> v0.9 起，本文件作为搜索 API 选择攻略本。搜索返回本身多为发现入口，结论支撑仍以 AGENTS.md 的 Tier 1-2 信源为准。
+
+## Search Sources
+
+### Tavily
+
+- 优点：LLM 友好，摘要质量稳定，适合快速发现方向。
+- 用法：初扫、普通网页、报告线索、交叉补漏。
+- 风险：不能把普通网页当结论支撑，必须追溯原始来源。
+
+### Exa
+
+- 优点：neural search，对官网、公司页、长尾专业内容召回好。
+- 用法：术语核查、公司/产品名纠错、专业网页发现。
+- 风险：macOS 代理环境容易 TLS EOF，项目内 `SearchClient` 已使用 `trust_env=False` 绕开系统代理。
+
+### Brave
+
+- 优点：独立搜索引擎，适合与 Tavily/Exa 交叉验证。
+- 用法：Phase 1 初扫、反方证据、中文/英文混合搜索。
+- 风险：结果质量波动，需要人工筛 Tier。
+
+### Serper
+
+- 优点：Google Search / Scholar / News 代理，免费额度较高。
+- 用法：Google Scholar、Google Patents、新闻时效检索。
+- 风险：专利是 `site:patents.google.com` 技巧，不等同官方专利库。
+
+### PubMed / NCBI
+
+- 优点：生物医药论文的一手入口。
+- 用法：机制、临床、系统综述、meta 分析。
+- 风险：无 API key 限流较低；摘要不足以替代全文判断。
+
+### ClinicalTrials.gov / ChiCTR
+
+- 优点：临床试验注册的一手来源。
+- 用法：管线、适应症、试验阶段、终点设计、入组状态。
+- 风险：注册信息不等于结果；需要结合论文、公司披露、监管文件。
+
+### openFDA / FDA / EMA / NMPA
+
+- 优点：监管公告与标签信息，Tier 1。
+- 用法：批准状态、安全性、适应症、审评文件。
+- 风险：不同监管地区口径不同，必须注明地区与日期。
+
+### Patents
+
+- 优点：IP 与工艺路线研究的核心证据。
+- 用法：Google Patents、USPTO、EPO、CNIPA。
+- 风险：专利文本难读，权利要求和实施例要分开判断。
+
+## Recommended Profiles
+
+### biomed_literature
+
+PubMed / NCBI → ClinicalTrials → FDA/EMA/NMPA → Serper Scholar → Tavily/Exa 补漏。
+
+### patent_heavy
+
+Google Patents/Serper → USPTO/EPO/CNIPA → 公司年报/招股书 → Tavily/Exa 补同族专利线索。
+
+### china_market
+
+NMPA/CDE → 港交所/上交所/深交所披露 → 中文专业数据库/媒体 → Brave/Serper 中文搜索。
+
+### investment
+
+SEC/交易所披露 → Evaluate/IQVIA/咨询报告 → 公司公告 → 新闻仅作时效入口。
+
+## Failure Handling
+
+- 大量 SSL/TLS 错误：先把 workers 降到 3，再重跑。
+- API 限流：保留缓存结果，断点续跑，不要强制 `--force`。
+- 搜索返回普通网页：只做线索，继续追原始论文、监管、专利或公司披露。
+- 中英文译名冲突：写入 glossary，标 medium/low confidence，交人工复核。