agentic-research-engine-oss

<p align="center"> <strong>自主研究引擎开源版</strong> </p> <p align="center"> <a href="LICENSE"><img src="https://img.shields.io/badge/license-MIT-blue.svg" alt="许可证"></a> <img src="https://img.shields.io/pypi/v/agentic-research-engine?color=blue&label=pypi" alt="PyPI"> <img src="https://img.shields.io/badge/version-0.1.3--alpha-orange.svg" alt="版本"> <img src="https://img.shields.io/badge/default-gemma%203%204B%20local-green.svg" alt="默认"> <img src="https://img.shields.io/badge/tests-137%2F137-brightgreen.svg" alt="测试"> <img src="https://img.shields.io/badge/interfaces-CLI%20%7C%20TUI%20%7C%20web-blue.svg" alt="接口"> <img src="https://img.shields.io/badge/MCP-python%20server%20%2B%20claude%20plugin-6aa3ff.svg" alt="MCP"> </p> **最好的 $0 研究代理，运行在笔记本电脑上。** 开源端到端，可复制，保护隐私。默认无云依赖，无遥测；每次 LLM 调用、每个来源和每个验证决策都是可见的。 --- ## 目录 - [快速了解](#tldr) - [为什么使用这个而不是……](#why-use-this-instead-of) - [快速开始 — Mac 本地](#quickstart--mac-local) - [快速开始 — 无需安装（Google Colab）](#quickstart--no-install-google-colab) - [三种驱动方式](#three-ways-to-drive-it) - [功能](#what-ships) - [领域预设](#domain-presets) - [添加您自己的文档](#bring-your-own-documents) - [MCP + Claude 插件](#mcp--claude-plugin) - [插件/技能加载器](#plugin--skill-loader) - [架构概览](#architecture-at-a-glance) - [仓库布局](#repo-layout) - [配置（环境变量）](#configuration-env-vars) - [测试](#testing) - [故障排除](#troubleshooting) - [诚实的限制](#honest-limits) - [状态 + 路线图](#status--roadmap) - [贡献](#contributing) - [许可证](#license) --- ## 快速了解 **本地优先的研究代理，验证自己的答案。** 在 Gemma 3 4B + Ollama（磁盘上 3.3 GB）上运行，费用为 `$0/query`；通过一个环境变量可切换到任何 OpenAI 兼容的端点。 ```bash pip install agentic-research-engine agentic-research ask "Anthropic 的上下文检索是什么？" --domain papers ``` | | | |---|---| | **接口** | CLI · Textual TUI · FastAPI 网页 GUI · MCP 服务器（Claude Desktop / Cursor / Continue） | | **管道** | 8 节点 LangGraph（`分类 → 规划 → 搜索 → 检索 → 获取 → 压缩 → 合成 → 验证`）；每个节点环境可切换，用于消融 | | **检索** | SearXNG 元搜索 + trafilatura 获取 + 混合 BM25 / 稠密 / RRF；可选 `bge-reranker-v2-m3` 交叉编码器 | | **推理** | HyDE 查询扩展 · FLARE 主动检索 · 验证链（Dhuliawala 等，2023）· ThinkPRM 步骤批评 | | **领域** | 6 个预设（`通用` · `医疗` · `论文` · `金融` · `股票交易` · `个人文档`）— 用 10 行 YAML 编写您自己的 | | **插件** | 加载 Claude 插件或 `agentskills.io` 技能，来自 GitHub 或本地路径 | | **内存** | 可选本地 SQLite 轨迹日志，带语义检索；随时擦除；无遥测 | | **提供商** | OpenAI · Groq · vLLM · SGLang · Together · Ollama — 通过 `OPENAI_BASE_URL` 支持任何 OpenAI 兼容的端点 | | **质量** | 137 个模拟测试，零网络；诚实的基准测试，发布在 [`RESULTS.md`](engine/benchmarks/RESULTS.md) 中；MIT 端到端 | --- ## 为什么使用这个而不是…… | 您当前使用 | 我们提供 | |---|---| | **Perplexity / ChatGPT Deep Research / Kagi Assistant** | 相同的推理-引用流程，**本地且免费**，您的数据从不离开机器 | | **Perplexica 自托管** | Perplexica 的 UX 加上 CoVe 验证器，FLARE 主动检索，自适应计算路由器和 Claude 插件打包 | | **Khoj** | 更强大的研究特定推理（我们不关注个人知识），六个领域预设和一个 MCP 服务器，供其他代理调用 | | **gpt-researcher** | 新的管道架构，更好的小模型处理，可观察的轨迹，插件生态系统 | | **MiroThinker-H1 / OpenResearcher-30B** | 它们在 BrowseComp 上更强大；我们在没有 GPU 的笔记本电脑上运行，费用为 $0 | | **编写您自己的 LangGraph 研究代理** | 节省 2-3 个月；重用我们的 8 节点管道 + 30+ 个测试环境门 + 137 个测试 | **诚实阅读：** 在复杂的跨步推理基准测试中，Gemma 3 4B 性能比 30 B+ 开放模型低 15-25%。我们并不声称能击败 GPT-5.4 Pro。我们声称是 **$0，运行在您的笔记本电脑上，完全开放** 的最佳研究代理，截至 2026 年 4 月。 --- ## 快速开始 — Mac 本地 ### 选项 A — PyPI（最快） ```bash # 1) 本地推理（Ollama + Gemma 3 4B + 嵌入模型 — 3.6 GB 组合） brew install ollama ollama pull gemma3:4b nomic-embed-text # 2) 自托管元搜索（Docker；可选但推荐） docker run -d --name searxng -p 8888:8080 searxng/searxng # 3) 引擎本身 pip install agentic-research-engine # 4) 运行 export OPENAI_BASE_URL=http://localhost:11434/v1 OPENAI_API_KEY=ollama export MODEL_SYNTHESIZER=gemma3:4b EMBED_MODEL=nomic-embed-text export SEARXNG_URL=http://localhost:8888 agentic-research ask "Anthropic 的上下文检索是什么？" --domain papers ``` ### 选项 B — 从源代码 ```bash # 1) 与选项 A 相同的本地推理前提（ollama pull + docker run） # 2) 克隆 + 安装（为您提供 CLI，TUI，Web GUI，MCP 服务器，基准测试，教程） git clone https://github.com/TheAiSingularity/agentic-research-engine-oss cd agentic-research-engine-oss (cd scripts/searxng && docker compose up -d) cd engine && make install make smoke # 端到端运行在规范的 "什么是上下文检索" 问题上 ``` 预期在 M 系列 Mac 上运行时间：**~45 秒** 用于事实，~90 秒用于多步合成。每次查询费用为零。 ### 更高的诚实度 — 云模型模式 Gemma 3 4B 在 **结构**（规划，路由，验证，压缩）方面出乎意料地好，但当 SearXNG 没有返回包含正确令牌的源时，会出现 **特定事实错误**。2026-04-21 的 SimpleQA-mini 运行（参见 [`engine/benchmarks/RESULTS.md`](engine/benchmarks/RESULTS.md)）显示 `gemma3:4b` 发出 "2023" 作为 *"Anthropic 发布上下文检索的年份"*（黄金：2024 年）和 "LayoutLMv3" 作为 *"用于重新排序的交叉编码器"*（黄金：bge-reranker-v2-m3）。 您可能想要的修复不是更智能的合成器 — 而是一个 **更诚实** 的合成器。5 个问题的正面对比显示，`gpt-5-nano` + `gpt-5-mini` 在证据缺失时拒绝编造（*"提供的证据无法回答这个问题"*），而 `gemma3:4b` 自信地猜测。每个声明的忠实度从 82.9% → 100% 提高。通行率几乎没有变化（1/5 与 0/5），因为 **检索是真正的瓶颈** — 如果 SearXNG 没有返回包含黄金令牌的源，两个模型都无法生成它。 将整个堆栈交换到云端点： ```bash # 删除 Ollama 基 URL（回退到 OpenAI 云） unset OPENAI_BASE_URL export OPENAI_API_KEY=sk-... # 默认值为云大小：gpt-5-nano 用于规划/验证，gpt-5-mini 用于合成。 # 显式覆盖如果您想固定它们： export MODEL_PLANNER=gpt-5-nano export MODEL_SYNTHESIZER=gpt-5-mini # 或 gpt-5，claude-sonnet-4-5 等 agentic-research ask "…" --domain papers ``` 成本主要由合成器令牌决定（每查询约 5-15k）。完整的云模式使用 `gpt-5-nano` + `gpt-5-mini` 运行，成本约为 **$0.02-0.05 每查询**，比本地 Gemma 慢约 2-3 倍（测量：127 秒 vs 52 秒，5 个问题的子集）。与任何 OpenAI 兼容的端点配合使用 — Groq，Together，Mistral，DeepSeek，本地 vLLM — 因此您可以选择便宜的快速模型（`llama-3.3-70b` 在 Groq 上 ≈ $0.003/query）或前沿模型。按节点基准 URL 路由（在同一查询中本地运行 gemma3:4b 进行规划/验证，并在云上运行 gpt-5-mini 进行合成）已跟踪 0.2；今天管道使用一个全局 `OPENAI_BASE_URL`。 **更大的准确性杠杆是检索。** 将 `LOCAL_CORPUS_PATH` 指向包含您答案的索引 corpus，两个模型都会正确。 --- ## 快速开始 — 无需安装（Google Colab） [`tutorials/`](tutorials/) 中有五个可运行的笔记本： 1. [**01 — 引擎 API 快速入门**（模拟，无密钥）](tutorials/01_engine_api_quickstart.ipynb) — 在不运行推理的情况下查看管道的工作原理。 2. [**02 — Groq 云推理**（免费层）](tutorials/02_groq_cloud_inference.ipynb) — 真实的 LLM，无本地 GPU。 3. [**03 — 构建您自己的语料库**](tutorials/03_build_your_own_corpus.ipynb) — 上传 PDF，索引它们，查询。 4. [**04 — 从 Python 使用 MCP 服务器**](tutorials/04_mcp_server_from_python.ipynb) — 将引擎作为工具驱动，从另一个代理。 5. [**05 — 领域预设展示**](tutorials/05_domain_presets_showcase.ipynb) — 在同一问题上比较预设。 每个笔记本都是自包含的，在 Colab 免费层上运行端到端，无需信用卡。 --- ## 三种驱动方式 ### CLI ```bash engine ask "什么是混合检索？" --domain papers --memory session engine reset-memory engine domains list engine version ``` ### TUI（Textual — 键盘驱动，SSH 安全） ```bash make tui ``` 三个窗格：来源 · 答案 + 幻觉标志 · 跟踪 + 内存命中。 按 <kbd>Enter</kbd> 键询问，按 <kbd>Ctrl-M</kbd> 键循环内存模式， 按 <kbd>Ctrl-L</kbd> 键清除，按 <kbd>Ctrl-Q</kbd> 键退出。 ### Web GUI（FastAPI + HTMX on `localhost:8080`） ```bash make gui # 打开 http://127.0.0.1:8080 在您的浏览器中 ``` 无身份验证。无云。无分析。黑暗主题。在原地流式传输令牌。 --- ## 功能 ### `engine/` — 旗舰 具有 2026-SOTA 组合的 8 节点 LangGraph 管道： `分类 → 规划 → 搜索 → 检索 → 获取 URL → 压缩 → 合成 → 验证` 每个阶段都可通过环境变量切换，以进行逐一消融。整合了多种技术： HyDE，CoVe 验证，迭代检索，FLARE 主动检索，问题分类路由器，步骤批评（ThinkPRM 模式）， LongLLMLingua-lite 压缩，交叉编码器重新排序 (`BAAI/bge-reranker-v2-m3`)， Anthropic 上下文分块，W6 小模型强化（三个案例合成提示 + 每块字符上限）。 ### `core/rag/` — 可重用的检索基元（v1 稳定） `HybridRetriever`（BM25 + 稠密 + RRF）· `CrossEncoderReranker` · `contextualize_chunks`（Anthropic 模式）· `CorpusIndex`（自带 PDF）。 5 个导出，由引擎和存档配方使用。 ### `archive/recipes/` — 预引擎参考配方 `research-assistant`，`trading-copilot`，`document-qa`， `rust-mcp-search-tool`。所有仍然有效；所有测试仍然通过。 `research-assistant/production/main.py` 是 `engine.core.pipeline` 的薄壳， 因此保持配方框架。 --- ## 领域预设 `engine/domains/` 中的六个 YAML 文件： | 预设 | 使用时机 | |---|---| | `general` | 默认；任何情况 | | `medical` | 疾病 / 治疗 / 药物 / 试验（PubMed / Cochrane / NEJM 偏差；无处方建议） | | `papers` | 学术 CS / ML / 物理 / 生物学（arXiv + Semantic Scholar + OpenReview） | | `financial` | SEC 文件，收益，公司基本面（每项数字都有日期） | | `stock_trading` | 技术 + 新闻按股票代码 — **硬规则：从不建议买入/卖出/持有** | | `personal_docs` | Q&A 您自己的语料库，独立运行（仅允许 `corpus://` URL） | 用约 10 行 YAML 编写您自己的 — 参见 [`docs/domains.md`](docs/domains.md)。 --- ## 添加您自己的文档 ```bash python scripts/index_corpus.py build ~/papers --out ~/papers.idx export LOCAL_CORPUS_PATH=~/papers.idx engine ask "我的论文中关于上下文检索的内容是什么？" --domain personal_docs ``` 支持的格式：PDF（通过 pypdf），Markdown，纯文本，HTML（通过 trafilatura）。 索引作为一个目录保存，具有可读的 `manifest.json` 和序列化的 `index.pkl`。 当文档更改时，可以随时重建。 详情：[`docs/self-learning.md`](docs/self-learning.md) 涵盖轨迹 + 内存模型； [`docs/plugins-skills.md`](docs/plugins-skills.md) 涵盖外部插件。 --- ## MCP + Claude 插件 `engine/mcp/server.py` 是一个 Python MCP 服务器，暴露： - `research(question, domain?, memory?)` → 结构化 `{answer, verified_claims, unverified_claims, sources, trace, totals, memory_hits}` - `reset_memory()` - `memory_count()` `engine/mcp/claude_plugin/` 中有捆绑的 Claude 插件 — 四个技能 （`/research`，`/cite-sources`，`/verify-claim`，`/set-domain`）， 准备提交到 Anthropic 市场。 在 Claude Desktop 中注册： ```jsonc // ~/Library/Application Support/Claude/claude_desktop_config.json { "mcpServers": { "engine": { "command": "python", "args": ["-m", "engine.mcp.server"], "env": { "OPENAI_BASE_URL": "http://localhost:11434/v1", "OPENAI_API_KEY": "ollama", "MODEL_SYNTHESIZER": "gemma3:4b", "SEARXNG_URL": "http://localhost:8888" } } } } ``` --- ## 插件/技能加载器 安装第三方 Claude 插件或 Hermes（`agentskills.io`）技能： ```bash engine plugins install gh:owner/some-research-plugin@v1 engine plugins install file:./my-local-plugin engine plugins install https://example.com/marketplace.json engine plugins list engine plugins uninstall some-plugin ``` 安全性：每次安装都会运行一个禁止符号扫描 （`eval(`，`exec(`，`os.system(`，…）— 拒绝执行任意代码。 注册表位于 `~/.agentic-research/plugins/``，可完全检查和擦除。 完整文档：[`docs/plugins-skills.md`](docs/plugins-skills.md)。 --- ## 架构概览 ``` ┌─────────────┐ │ 问题 │ └──────┬──────┘ ▼ ┌─────────────────────────┐ T4.3 路由器 — 按问题类型路由 │ 分类 │ └──────────┬──────────────┘ ▼ ┌─────────────────────────┐ T1 分解 · T2 HyDE · T4.1 批评 │ 规划 │ T4.5 拒绝后优化 └──────────┬──────────────┘ ▼ ┌─────────────────────────┐ SearXNG 并行 × N │ 搜索 │ + W5 本地语料库（可选） │ (+ T4.1 批评) │ + T4.1 覆盖批评 └──────────┬──────────────┘ ▼ ┌─────────────────────────┐ T1 混合 BM25 + 稠密 + RRF │ 检索 │ W4.1 交叉编码器重新排序（可选） │ (+ W4.1 重新排序) │ └──────────┬──────────────┘ ▼ ┌─────────────────────────┐ W4.2 Trafilatura 清洁文本 │ 获取 URL │ 跳过语料库:// URL └──────────┬──────────────┘ ▼ ┌─────────────────────────┐ T4.4 LLM 蒸馏 │ 压缩 │ + W6.2 每块字符限制 │ (+ W6.2 限制) │ └──────────┬──────────────┘ ▼ ┌─────────────────────────┐ T2 合成 · T4.2 FLARE on 保留 │ 合成 │ W6.1 三案例反幻觉 │ (+ FLARE + 流式传输) │ W7 流式传输 └──────────┬──────────────┘ ▼ ┌─────────────────────────┐ T2 CoVe — 分解 + 验证 │ 验证 │ └────────┬────────────────┘ │ 验证？ ── 是 ──▶ 结束 │ 否 │ ◀────── 重新搜索未经验证的主张 ──── 循环（由 MAX_ITERATIONS 限制） ``` 每个阶段都有一个 `ENABLE_*` 标志，因此您可以逐一消融。 深度规格：[`docs/architecture.md`](docs/architecture.md)。 --- ## 仓库布局 ``` agentic-research-engine-oss/ ├── engine/ 旗舰研究引擎 │ ├── core/ 管道 · 模型 · 跟踪 · 内存 │ │ ├── pipeline.py · 压缩 · 领域 · 插件 │ │ ├── models.py │ │ ├── trace.py │ │ ├── memory.py │ │ ├── compaction.py │ │ ├── domains.py │ │ └── plugins.py │ ├── interfaces/ │ │ ├── cli.py 丰富的标准输出 CLI，带有子命令 │ │ ├── tui.py 基于 Textual 的 TUI │ │ └── web/ FastAPI + HTMX 本地 GUI │ ├── mcp/ │ │ ├── server.py Python FastMCP 服务器 │ │ └── claude_plugin/ 可提交的 Claude 插件包 │ ├── domains/ 6 个 YAML 预设 │ ├── examples/ 5 个研究示例 │ ├── benchmarks/ 小型 SimpleQA + BrowseComp 固定装置 + 运行器 │ └── tests/ pytest 套件（所有模拟，零网络） ├── core/rag/ 共享检索基元（稳定 v1） ├── archive/ 预引擎配方（保留以供参考） ├── tutorials/ 5 个 Google Colab 笔记本 │ ├── 01_engine_api_quickstart.ipynb │ ├── 02_groq_cloud_inference.ipynb │ ├── 03_build_your_own_corpus.ipynb │ ├── 04_mcp_server_from_python.ipynb │ └── 05_domain_presets_showcase.ipynb ├── scripts/ │ ├── searxng/ 自托管元搜索（docker-compose） │ ├── setup-local-mac.sh Ollama + Docker + SearXNG 一键安装 │ ├── setup-vm-gpu.sh Linux + vLLM/SGLang 设置 │ └── index_corpus.py 从 PDFs/md/txt 构建 CorpusIndex ├── docs/ │ ├── architecture.md 深入技术规格 │ ├── plugins-skills.md 编写 + 安装插件 │ ├── domains.md 编写新预设 │ ├── self-learning.md 轨迹记录 + 内存 │ ├── progress.md 波浪式构建日志 │ ├── how-it-works.md 快速介绍 + SOTA 比较 │ ├── launch-checklist.md 上线序列 │ └── launch-copy.md 起草的 HN / Reddit / Twitter 文案 ├── .github/ │ ├── workflows/ │ │ └── engine-tests.yml CI：每次 PR 都运行模拟套件 │ ├── ISSUE_TEMPLATE/ │ └── PULL_REQUEST_TEMPLATE.md ├── CONTRIBUTING.md ├── CHANGELOG.md ├── CODE_OF_CONDUCT.md ├── LICENSE MIT └── README.md 你正在阅读它 ``` --- ## 配置（环境变量） 完整列表请参见 `engine/core/pipeline.py` 头部。最常用的配置项： | 变量 | 默认值 | 目的 | |---|---|---| | `OPENAI_BASE_URL` | 未设置（云 OpenAI） | 路由到 Ollama / vLLM / Groq / 等 | | `OPENAI_API_KEY` | `ollama` | 本地模拟器；云环境下的真实密钥 | | `MODEL_SYNTHESIZER` | `gpt-5-mini`（云）或 `gemma3:4b`（Mac 本地路径） | 最终答案模型。可在 Groq 等环境下切换到 `gpt-5`、`claude-sonnet-4-5`、`llama-3.3-70b` 以提高事实准确性，同时保持管道其他部分本地运行。 | | `TOP_K_EVIDENCE` | 自动（小型模型为 5，大型模型为 8） | 检索预算 | | `ENABLE_RERANK` | `0` | 按需启用；首次运行时下载 bge-reranker-v2-m3（约 560 MB） | | `ENABLE_FETCH` | `1` | trafilatura 全页抓取 | | `ENABLE_STREAM` | `1` | 将合成令牌流式传输到标准输出 | | `ENABLE_TRACE` | `1` | 每次调用的可观察性 + CLI 结束时的摘要 | | `LOCAL_CORPUS_PATH` | 未设置 | 设置为索引目录以用您的文档增强搜索 | | `MEMORY_DB_PATH` | `~/.agentic-research/memory.db` | SQLite 轨迹存储 | 完整列表：[`docs/architecture.md`](docs/architecture.md) env-vars 部分。 --- ## 测试 ```bash cd engine && make test # 120+ 模拟测试，位于 engine/tests/ # 或，全仓库测试： PYTHONPATH=$(pwd) .venv/bin/python -m pytest core/rag recipes engine/tests -q ``` 所有测试均为模拟测试 - 无网络，无 API 密钥，无模型下载。实时集成测试单独进行（`make smoke`）。 CI 在每次推送 / PR 时运行，涉及 engine / core / recipes - 请参见 [.github/workflows/engine-tests.yml](.github/workflows/engine-tests.yml)。 --- ## 故障排除 | 症状 | 可能原因 | 解决方法 | |---|---|---| | `ModuleNotFoundError: No module named 'engine'` | `PYTHONPATH` 缺少仓库根目录 | 从仓库根目录运行 `export PYTHONPATH=$(pwd)` | | CLI 答案为空且速度很快 | Ollama 未运行 | 在另一个终端运行 `ollama serve`，或运行 `ollama list` 检查 | | `:8888` 连接被拒绝 | SearXNG 未启动 | 运行 `cd scripts/searxng && docker compose up -d` | | `:11434` 连接被拒绝 | Ollama 未运行 | 运行 `ollama serve`，或让系统服务启动它 | | 首次 `make smoke` 挂起约 20 秒后输出 | 模型首次请求时预热 | 正常；后续查询速度更快 | | `ENABLE_RERANK=1` 在首次运行时卡住 | 560 MB bge-reranker 下载 | 等待完成；后续缓存 | | `[corpus] LOAD BROKEN` | 索引损坏或版本错误 | 删除并通过 `scripts/index_corpus.py` 重新构建 | | SSH 上 TUI 显示乱码 | 终端窗口太窄 | 调整为 ≥ 100 列；Textual 需要空间进行 3 窗格布局 | | Web GUI 显示 `Invalid memory mode` | POST 请求格式错误 | 使用表单 UI；值验证为 `off/session/persistent` | | 流式传输在答案中间被截断 | 后端不稳定 | 重新运行；批量回退在下一次尝试中生效。设置 `ENABLE_STREAM=0` 如果持续出现 | | `zsh: command not found: twine` （或类似）运行 `uv pip install <pkg>` 后 | uv 的虚拟环境未被 shell 自动激活 | 使用 `.venv/bin/<cmd> …`、`uv run <cmd> …` 或在运行前 `source .venv/bin/activate` | | 移动或重命名仓库目录后出现 `bad interpreter: .../python3: no such file or directory` | 仮想环境 shebang 是与创建虚拟环境的目录绑定的绝对路径 | 重新创建：`rm -rf .venv && uv venv && uv pip install -e .` （或重新安装您已有的） | | `make test` 显示 0 个测试收集 | 当前工作目录错误 | 从 `engine/` 目录运行或设置 `PYTHONPATH` | | Claude Desktop 无法看到插件 | plugin.json 在错误路径 | `/plugin marketplace add <absolute-path-to>/engine/mcp/claude_plugin` | 仍然遇到问题？使用 [`bug_report`](.github/ISSUE_TEMPLATE/bug_report.md) 模板打开一个问题 - 包括 `ollama list`、`engine version` 和错误信息。 --- ## 诚实的限制 - **Gemma 4B ≠ GPT-5.4 Pro.** 在 30B+ 开放模型上，性能比 GPT-5.4 Pro 低 15-25%。我们将其定位为“最佳 $0 本地”，而非“SOTA”。 - **Gemma 3 4B 在特定事实上的确有幻觉**，当 SearXNG 未返回包含正确令牌的源时。在 SimpleQA-mini 上测量：0/20 严格通过率（参见 [`engine/benchmarks/RESULTS.md`](engine/benchmarks/RESULTS.md) - `verified_ratio` 85.5%，无 `must_not_contain` 命中；模型未发出*禁止*字符串，而是选择错误的字符串）。缓解措施：（a）将整个堆栈切换到云端点（参见上面的“更高事实准确性”- `gpt-5-nano` + `gpt-5-mini` 每查询 `$0.02–0.05`），（b）为引擎提供 `LOCAL_CORPUS_PATH`，以便您的文档成为检索目标，（c）设置 `ENABLE_RERANK=1` 以偏袒检索正确的源。 - **CoVe 确认内部一致性，而不是事实真相。** 每个合成声明都针对检索的证据进行检查；声明不会被*世界*验证。如果检索遗漏，CoVe 仍将愉快地验证一个自信但错误的答案。引擎永远不会伪造引用，但可以自信地重复证据池中错误的信息。 - **v1 中无 LoRA 微调。** 轨迹数据被收集；实际模型训练延迟到 GPU 访问 + 数据量。 - **无托管 SaaS。** 本地优先是整个 v1 的定位。 - **团队 / 多用户功能。** 超出 v1 的范围。 - **通用网络爬虫 / 自己的搜索索引。** 不提供。SearXNG 保留。可能会在 v2 中推出一个精选的研究索引。 - **移动设备。** 不在范围内。 --- ## 状态 + 路线图 - **0.1.3 — 公共 alpha**（当前）。上述功能；位于 PyPI + 官方 MCP 注册表 + Anthropic 插件市场。参见 [`CHANGELOG.md`](CHANGELOG.md)。 - **0.2** — 专家工具连接（预设中的 `tools_enabled` 字段终于激活），如果 GPU 到达，则进行首次 LoRA 运行，`docs/` 中的插件目录。 - **0.3** — 团队协作功能（共享内存，PR 驱动的领域预设），通过 Tauri 进行桌面应用打包。 - **0.4+** — 在 [GitHub 问题](https://github.com/TheAiSingularity/agentic-research-engine-oss/issues) 中跟踪开放工作。 --- ## 贡献 良好初始问题：[`CONTRIBUTING.md`](CONTRIBUTING.md)。任何管道范围的 RFC。欢迎插件 + 领域预设提交。 无 Co-Authored-By 追踪器；按作者撰写。 --- ## 许可证 MIT。参见 [`LICENSE`](LICENSE)。 ### 相关（兄弟项目） - [HermesClaw](https://github.com/TheAiSingularity/hermesclaw) — 这些配方可以运行的安全运行时 - [NVIDIA/OpenShell](https://github.com/NVIDIA/OpenShell) — 内核级代理沙盒 - [NousResearch/hermes-agent](https://github.com/NousResearch/hermes-agent) — 自我改进代理（其 `agentskills.io` 技能格式与我们互操作） --- ### MCP 注册表所有权 此 PyPI 包是注册到 <https://registry.modelcontextprotocol.io> 的官方 MCP 服务器源。以下行是注册表验证的所有权标记 - **编辑此 README 时请勿删除**。 mcp-name: io.github.TheAiSingularity/agentic-research