准备这次元宝搜索征文时,我想到过行业调研、产品问答、资讯追踪几个方向。把它们各自要做的事摊开看,其实有不少相同的地方:问题里有好几个条件,资料散落在不同网站,搜到一篇文章还不够,往往得继续找原始出处、核对时间,再补上遗漏的信息。几个场景背后,需要的都是一套能把问题查细、查完整的搜索能力。
所以这次我想把内容集中在这件事上:用元宝搜索接一条多轮检索链,看看第一遍没查明白的问题,怎样通过下一次搜索继续往下查。 具体业务先不限定,后面做调研、找供应商、追踪新闻,都可以复用这个过程。
我给小工作台起了个名字,叫“问深一点”。除了最后的报告,它还会留下每轮查询、找到的资料和待补查的问题。这样看完答案以后,还能回头看看:这句话从哪儿来的,为什么又搜了一次,那次补查有没有用。
目录
配套源码:下载 go-deeper-source.zip,包含完整检索链、24 项测试和离线回放。
实验设计
测试选了一个条件比较多的选购问题:家里养猫、有长发和地毯,预算有限,想比较石某、科某斯、追某几家扫地机器人,同时还得确认自动上下水的安装条件。
选购只是用来提出问题。真正要观察的是搜索过程:能不能从宽泛的推荐文章找到具体型号的资料,能不能发现型号没对上,以及某个结论缺少依据时,会不会继续查。

我保留了两种查法。第一种把完整问题直接传给 SearchPro,看看一次查询能返回什么。第二种沿着这些结果继续拆题,按来源、时间和缺失条件补查。两边使用同一条首轮请求,方便对照后面的变化。
这里先说明一下分工,后面的代码就容易看了。元宝提供的是联网检索接口;拆问题、复核资料、组织报告由模型完成;并发、缓存、请求预算和引用检查放在程序里。一次 SearchPro 调用对应一次搜索,多轮研究是应用把这些调用串起来的。

这次我先让模型给出拆题和补查建议,看到来源重复、型号混入后,也手动调整了站点和查询词。工作台保留每次修改后的实际请求。这样既能检查自动流程,也能看清哪些检索条件真的起了作用。
接口调用
最小请求
我用服务 API Key 接入,向 https://api.wsa.cloud.tencent.com/SearchPro 发 POST 请求,通过 Authorization: Bearer ... 鉴权。和腾讯云标准签名方式相比,这条路径更适合先把调用接起来。官方接入说明里有请求格式。
下面这段只依赖 Python 标准库。密钥从环境变量读取:
import json
import os
from urllib.request import Request, urlopen
params = {
"Query": "元宝搜索 SearchPro",
"Cnt": 10,
"Mode": 0,
}
request = Request(
"https://api.wsa.cloud.tencent.com/SearchPro",
data=json.dumps(params, ensure_ascii=False).encode("utf-8"),
headers={
"Content-Type": "application/json; charset=utf-8",
"Authorization": "Bearer " + os.environ["TENCENTCLOUD_WSA_APIKEY"],
},
)
with urlopen(request, timeout=45) as response:
data = json.load(response)["Response"]
if data.get("Error"):
raise RuntimeError(data["Error"]["Code"])
pages = [
json.loads(p) if isinstance(p, str) else p
for p in data.get("Pages", [])
]
print(data.get("RequestId"), len(pages))
有个小地方容易漏:Pages 是一个字符串数组,每项里面又放了 JSON,要再解析一次。把这一步集中放进客户端,后续的资料管理和模型调用就不用反复判断类型了。
另外,不能只看 HTTP 状态码。请求即使拿到了 JSON,里面也可能有业务错误;我会先检查 Response.Error,再处理结果列表。正常返回零条结果则是另一回事,它仍然是一条有价值的查询记录。
返回字段
工作台会保留整个原始响应,另外抽出下面这些字段使用:
| 字段 | 在检索链中的用途 |
|---|---|
title、url | 识别页面,打开出处,建立来源编号 |
date | 检查资料的时间背景 |
passage | 快速查看标准摘要 |
content | 用动态摘要补充与当前查询相关的信息 |
score | 参考查询相关性 |
Version、RequestId | 识别服务版本、定位单次请求 |
其中 content 仍然是摘要,不能因为内容长,就当成拿到了网页全文。需要精确核对原文时,报告里的链接仍然得留着。
score 也只表示相关程度。一个页面和问题非常相关,不代表它的型号写对了、价格仍有效。我的资料池会保存这个分数,但不会据此给结论盖章。字段定义里对标准摘要、动态摘要和相关性得分作了区分。
高级检索
接上接口以后,我最先改的并不是提示词,而是查询参数。尤其是来源和时间,直接影响下一轮查回来的东西。
站点和时间
Site 可以指定站点,也可以排除站点。指定检索一次填一个域名;排除则使用 exclude: 前缀,最多五个域名。Freshness 控制检索时效范围。
我把常见的查询意图整理成了几种参数组合:
| 想补什么资料 | 参数写法 | 使用时机 |
|---|---|---|
| 原始说明、官方文档 | Site: "cloud.tencent.com" | 已经确认资料入口,继续核对细节 |
| 最近的公告或进展 | Freshness: "d7" | 关注近期变化 |
| 近几个月的报道 | Freshness: "m3" | 需要一定时间跨度 |
| 避开反复出现的网站 | Site: "exclude:a.com|b.com" | 想看看其他公开来源 |
| 长期有效的帮助资料 | 不传 Freshness | 找说明书、安装条件、维护文档 |
完整问题第一次搜回来,多是推荐文章。我试过在查询词里加“官方参数”,来源仍然没怎么变。后来确认官网域名,传入 Site,才找到了产品入口和帮助资料。
这个区别很实际。在自然语言里写“请找官方资料”,是在描述意图;把已确认的域名交给接口,则直接改变检索范围。需要多家官网时,我会拆成几个独立任务,再合并结果,不把多个域名塞进一条指定站点查询。
时间条件也要按任务分开用。价格和新公告值得限定近期;安装帮助和使用说明通常不适合一律限制到最近几天。否则本来存在的资料,可能在这一步就被排除了。
下面是客户端里的参数构造方式,省去了每次手写同一套默认值:
def make_query(text, *, site=None, freshness=None, mode=0, industry=None):
params = {"Query": text, "Mode": mode, "Cnt": 10}
if site:
params["Site"] = site
if freshness:
params["Freshness"] = freshness
if industry:
params["Industry"] = industry
return params
official = make_query(
"元宝搜索 SearchPro",
site="cloud.tencent.com",
)
recent_news = make_query(
"腾讯元宝 搜索",
mode=2,
industry="news",
freshness="m1",
)
Freshness 要用 d7、m3、y1 这样的格式,不能直接传“过去一年”。我在发请求前就检查格式,发现错误先留在本地,不让一次明显无效的调用占掉请求预算。
还有一个区别值得留意:文章发布时间和文中事件时间不是一回事。新发布的文章也可能在讲旧型号、旧政策。时间参数负责缩小搜索范围,内容里的日期和版本仍然需要复核。
信源和垂域
另两个适合放进调度逻辑的参数是 Mode 和 Industry。
Mode=0 以公开网页信源为主,Mode=1 面向优质权威垂直信源,Mode=2 使用混合结果。Industry 则可以选择政府、新闻、学术、财经等垂域,分别对应 gov、news、acad、finance。官方参数说明也列出了不同版本的支持范围。
我倾向于先按问题类型选择组合:查产品说明,从公开网页找原始文档;追近期进展,再尝试新闻垂域和时间限制。模型提出的每个查询,都应该有一个具体目的,而不是把所有高级参数都填上。
混合检索里,
Site只作用于公开网页结果,不过滤优质权威垂直信源结果。需要严格控制来源时,要检查返回的网址,不能仅凭请求里写了站点条件就认定全部结果都满足它。
这次我另外做了六次参数检查,单独保存记录,没有混进选购问题的七次调用里。Mode=2 配合 Industry=news 和 Freshness=m1 正常返回了十条;另一次 Mode=1 配合新闻垂域、最近七天,返回零条。程序记录的都是正常响应。
这也影响了补查策略:遇到空结果,先看看是不是条件收得太紧,再决定换查询词、放宽时间,还是回到公开网页。反复重发完全相同的请求,通常没有必要。
版本差异
这次响应里的 Version 是 standard。查文档时还看到两个值得关注的旗舰版能力:authority_level 提供权威度等级,Deeplinks=true 可以请求附件子链信息,帮助继续找到页面关联的资料入口。
我在客户端里保留了这些可选字段,但按响应处理,不假设每次都有。资料池遇到缺失的权威度字段会留空,不把“没有返回”写成零分;附件子链也只作为继续核查的入口,不直接当成已经读取过的内容。
对后面的 chain 来说,这样更好接。检索层负责如实交出当前版本返回的数据,调度层再决定是否继续追链接,或者换一种搜索方式。
多轮检索
查询计划
第一轮不用写得太复杂。我让模型先把问题分成三到五项,每项有编号,再生成最多三个查询。
查询任务里除了参数,还带一个 dimension_ids,说明它准备回答哪项问题。例如某条搜索是为了核对安装要求,返回的资料就先关联到这一项。后面复核时,可以看每个问题是否真的得到了资料,不用仅凭结果总数判断进度。
这次选购问题拆成了型号和预算、毛发处理、地毯处理、安装条件四项。换成行业调研,清单可能是事件经过、原始公告、数据口径、后续变化。需要复核的内容变了,任务结构可以继续用。
我没有让模型直接输出一段“思考完毕”的长文字,而是约定一个小 JSON:查询参数、关联问题、补查目的。程序只执行允许的搜索字段,不从模型文本里提取任意命令。
逐轮复核
一轮搜索结束后,模型看到的是问题清单、已查过的查询、选入上下文的资料,以及前几轮的复核记录。它需要返回两部分:每项问题现在是什么状态,下一轮准备查什么。
状态只保留四种:
| 状态 | 判断重点 | 后续处理 |
|---|---|---|
covered | 当前资料已能回答这项问题 | 保留来源,通常无需补查 |
partial | 有相关材料,关键条件还没对上 | 对缺失条件继续搜 |
missing | 尚未找到有效依据 | 换入口、换词或扩大范围 |
conflict | 来源之间出现分歧 | 查原始出处、日期和适用版本 |
最怕的是复核结果只写“还需要更多信息”。这句话很难指导下一次调用。我在提示里要求把缺口说具体,比如“只有推荐文章,没有对应型号的官方说明”,或者“两个来源讲的可能是不同版本”。

复核输出大致长这样,source_ids 使用资料池里已经存在的编号:
{
"coverage": [
{
"dimension_id": "D4",
"status": "partial",
"note": "已找到产品入口,安装资料还没有对应到购买版本",
"source_ids": ["S12"]
}
],
"queries": [
{
"params": {
"Query": "上下水 安装",
"Site": "www.ecovacs.cn"
},
"dimension_ids": ["D4"]
}
]
}
这个结构的好处是,后续动作能落到参数上:缺原始出处,就改来源范围;怀疑信息过时,再改时间;型号没对上,就带着完整型号重新查。下一轮的请求有理由可追,不只是换几个近义词。
复核清单本身也得检查。有个很容易漏掉的问题:假设原题有四项条件,模型只返回一项,并把它写成 covered,直接运行 all(...),结果仍然是 True。但另外三项压根没出现,不能就此结束研究。
所以我给参考代码加了一步 validate_review:原问题的每个编号都必须出现一次,不能重复、不能漏掉;状态只能取约定的四种;标为 covered 时还必须给出已存在的来源。下面这个最小例子可以直接在源码目录运行:
from go_deeper import validate_review
dimensions = [{"id": "D1"}, {"id": "D2"}]
coverage = [
{"dimension_id": "D1", "status": "covered", "source_ids": ["S01"]}
]
print("只看返回状态:", all(row["status"] == "covered" for row in coverage))
try:
validate_review(coverage, dimensions, {"S01"})
except ValueError as exc:
print("核对完整清单:", exc)
只看返回状态: True
核对完整清单: 复核漏报问题:D2
这一步把“模型说查完了”和“原题的条件都检查过了”分开。模型可以判断材料是否充分,但不能通过少返回几行,替程序省掉还没处理的问题。
执行和停止
公开源码里的 run_chain 把拆题、检索、复核和报告串在一起。下面摘出主循环中最关键的部分,客户端、资料池和模型适配器由同一份源码提供:
from concurrent.futures import ThreadPoolExecutor
from go_deeper import EvidencePool, fingerprint, validate_review, REVIEW
pool, seen, history, reviews = EvidencePool(), set(), [], []
tasks = plan["queries"]
stop_reason = "max_rounds"
for round_number in range(1, 4):
batch = []
for task in tasks:
key = fingerprint(task["params"])
if key not in seen:
seen.add(key)
batch.append(task)
if len(batch) == 3:
break
if search.calls >= search.max_calls:
stop_reason = "budget_exhausted"
break
if not batch:
stop_reason = "no_new_queries"
break
with ThreadPoolExecutor(max_workers=2) as executor:
results = list(executor.map(
lambda task: search.search(task["params"]), batch
))
for task, result in zip(batch, results):
pool.merge(result, task.get("dimension_ids", []))
history.append({
"round": round_number,
"params": result["params"],
"request_id": result["request_id"],
})
focus = [row["dimension_id"] for row in reviews[-1]["coverage"]
if row["status"] != "covered"] if reviews else []
context = {
"question": question,
"dimensions": plan["dimensions"],
"queries": history,
"reviews": reviews,
"sources": pool.context(focus_dimensions=focus),
}
review = model.ask(REVIEW, context)
validate_review(
review["coverage"], plan["dimensions"],
{source["id"] for source in context["sources"]},
)
reviews.append(review)
tasks = review.get("queries", [])
if all(row["status"] == "covered" for row in review["coverage"]):
stop_reason = "covered"
break
这里的 fingerprint 会把完整参数排序、序列化后计算哈希。相同的查询词,换了 Site、Freshness 或 Mode,算不同任务;参数完全一样,则不再执行。不能只按查询词去重,否则一次正常的定向补查也可能被跳过。
执行上,我设了每轮最多三条、同时最多两条查询。问题还没有拆清楚时,多开并发只是更快地拿回一堆相似文章。先控制规模,比较容易看出每次查询的作用。
停止条件也交给程序约束:没有新任务、问题已经有足够资料、达到轮数或耗尽请求预算,都可以结束。完整源码另外捕获单次查询错误,让复核能看到失败原因;不会因为某个请求没成功,就丢掉其他已经查回来的材料。
但这几个停止原因,含义并不相同。我会把 stop_reason 和 unresolved_dimensions 一起放进结果,后面看报告时就不容易误会:
| 停止原因 | 表示什么 | 报告该怎样处理 |
|---|---|---|
covered | 完整问题清单都已有材料支持 | 保留结论和出处 |
no_new_queries | 下一轮没有新任务,或只重复旧任务 | 说明仍有哪些问题没查清 |
max_rounds | 已到预设轮数 | 把未解决项继续留在结果中 |
budget_exhausted | 网络尝试次数到达上限 | 不把预算耗尽写成资料充分 |
三轮是这次原型的选择,不是什么通用最优值。后续真要调这个数字,我会先看新增来源、未解决问题和调用开销,再决定是否增加轮次。
来源管理
去重和编号
多轮调用会反复返回同一个页面。没有资料池,模型每次都能看到十条“新结果”,实际上可能只有两三条值得继续读。
我的做法是按规范化 URL 合并来源:去掉片段定位和明确的 utm_ 跟踪参数,保留路径、版本号等可能影响内容的部分。同一页面以后再出现,就追加它来自哪次查询,而不是重新生成一个来源编号。
from urllib.parse import parse_qsl, urlencode, urlsplit, urlunsplit
def canonical_url(url):
p = urlsplit(url)
if p.scheme not in {"http", "https"} or not p.hostname:
return ""
if p.username or p.password:
return ""
query = [
(k, v) for k, v in parse_qsl(p.query, keep_blank_values=True)
if not k.lower().startswith("utm_")
]
return urlunsplit((
p.scheme.lower(), p.netloc.lower(), p.path,
urlencode(query), ""
))
我没有把所有查询参数都删掉。有些支持页靠 spuId 区分产品,删掉它,几个型号就可能被错误地合并成一个页面。类似地,同标题不等于同内容;不同 URL 也不一定是独立证据,转载关系还得另外看。
资料编号采用 S01、S02 这种简单写法,记录关联查询 Q01、Q02。一个来源能回答多项问题,也能被多次查询命中,这些关系都保留下来,复盘时比只存一张最终对比表方便。
上下文控制
资料都存下来,不代表每次都要全部塞给模型。查询轮数增加后,重复导航、无关段落和旧资料会占掉很多输入空间。
参考代码先做了一层简单控制:每次最多选二十四个来源,同一主机名最多选四条,每条摘要截取到一定长度。原始记录仍然保留,只缩小本次送给模型的材料。
不过,限额加上以后,还有一个顺序问题。我把这次保存的三十九个来源清单拿来离线重放:如果一直按首次入池顺序选,同站前四条旧新闻会先占满名额,后来找到的 S20 产品页就进不了上下文。它在资料池里,也被 Q04 和 Q06 命中过,却没有交到模型手上。
这时应该改的是选材顺序。我让仍未解决的问题相关来源优先,再按最近一次命中的查询编号排列,最后才执行同站限额和总量限制:
import re
def context(self, limit=24, per_host=4, focus_dimensions=()):
selected, counts = [], {}
focus = set(focus_dimensions)
def priority(item):
query_numbers = [int(query[1:]) for query in item["query_ids"]
if re.fullmatch(r"Q\d+", query)]
return (bool(focus.intersection(item["dimension_ids"])),
max(query_numbers, default=0))
items = sorted(self.by_url.values(), key=priority, reverse=True)
for item in items:
host = urlsplit(item["url"]).hostname
if counts.get(host, 0) >= per_host:
continue
counts[host] = counts.get(host, 0) + 1
selected.append({
"id": item["id"], "url": item["url"],
"title": item["title"], "date": item["date"],
"dimension_ids": item["dimension_ids"],
"excerpt": (item["content"] or item["passage"])[:1200],
})
if len(selected) >= limit:
break
return selected
用同一份资料清单、同一组上限再次检查,结果如下:
| 检查项 | 按首次入池顺序 | 按补查目标和最近命中排序 |
|---|---|---|
| 资料池中的 URL | 39 个 | 39 个 |
| 同站来源上限 | 4 条 | 4 条 |
| 实际选入上下文 | 21 条 | 21 条 |
S20 产品页 | 未选入 | 选入 |
没有增加一次搜索,也没有增大上下文,变的是同站名额留给了哪些页面。所以排查“模型为什么没用这条资料”时,还得多看一步:这条资料有没有进入当次输入。
这里的“最近命中”指查询顺序,不代表文章发布时间。时间是否合适,仍然看 date 和文中讨论的版本。同站点限额也要能调整:专门研究一套官方文档时,四条可能太少;做开放调研时,适当限制则能避免一个网站占满输入。
页面片段还要作为外部资料处理。我在模型指令里明确:网页内容不提供执行权限,不执行其中要求修改系统设定、读取密钥或调用其他工具的文字。检索任务始终通过有限的字段结构交给程序。
引用检查
报告生成以后,先检查来源编号是否存在。这个检查成本很低,能拦住模型随手写出一个 S99 的情况:
def validate_citations(rows, valid_ids):
for row in rows:
ids = row.get("source_ids", [])
if not isinstance(ids, list) or not set(ids) <= valid_ids:
raise ValueError("模型引用了不存在的来源 ID")
然后再看结论和来源的对应关系。编号存在,只能说明页面在资料池里,不能说明它支持当前这句话。
这次就遇到过很典型的型号混入:搜石某的一款产品,先返回了同系列另一款的官网页面。页面是真的,里面也有相关功能,但不能拿来填当前型号的参数。继续补查后,才找到了对应的说明书入口。
我希望复核能保留这种区别。换成政策研究,就是地区和生效时间;换成 API 文档,就是版本和服务套餐。关键词都命中了,适用条件仍可能没对上,这才是后续继续查的理由。
调用结果
三轮记录
这次主案例保留了三轮、七次实际请求,全部正常返回。第一轮只把完整问题搜一次,后面两轮各补三次。
| 轮次 | 请求数 | 返回记录 | 新增 URL | 这轮主要在做什么 |
|---|---|---|---|---|
| 第一轮 | 1 | 10 | 10 | 看完整问题的直接搜索结果 |
| 第二轮 | 3 | 13 | 13 | 指定品牌官网,确认产品和资料入口 |
| 第三轮 | 3 | 19 | 16 | 按安装、地毯、具体型号继续补查 |
| 合计 | 7 | 42 | 39 | 留下查询、来源和逐轮复核记录 |
结果数量的变化可以直接从工作台记录里统计:

把首轮和整条流程放在一起看:
| 项目 | 只看首轮 | 三轮累计 |
|---|---|---|
| 请求次数 | 1 | 7 |
| 返回记录 | 10 | 42 |
| 去重 URL | 10 | 39 |
| 三家品牌官网域名下的 URL | 0 | 29 |
| 搜索请求耗时之和 | 1.813 秒 | 13.919 秒 |
这里比较的是一次查询和一条补查流程,后者多花了六次请求。值得看的地方,是这些请求有没有补上需要的资料。官网 URL 数反映来源构成,不能直接当成有效答案数;其中也有栏目页、旧新闻和相近型号。
耗时则按单次请求从发出到解析完成累加,不包含模型处理,也不等于用户在页面上等待的总时间。并发时,部分请求会同时进行。把请求累计耗时、整条链路的墙钟时间、模型调用时间分开记,后面才容易知道慢在哪儿。
对我来说,这次补查比较有用的变化,是从宽泛推荐转向了可继续核对的产品页、说明书和安装帮助。每项材料都能回到查询记录,知道是改了哪个条件才找到的。

还剩哪些问题
来源多了以后,我又回头看了一遍问题清单。三轮结束,四项仍然都是 partial。这并不奇怪:找到对应型号的说明书,和确认这款机器能在某个家庭里安装,是两个不同的进度。
把记录里的变化展开,才能看出七次请求到底做了什么:
| 要核对的问题 | 首轮到末轮 | 新资料解决了什么,还差什么 |
|---|---|---|
| 型号和预算 | partial → partial | S14 是相近型号;S37 找到目标型号说明书入口,最终套餐和结算价还要分开核对 |
| 毛发处理 | partial → partial | S21 有官方结构描述,但不能据此推定家中长发和猫毛的实际清理频率 |
| 地毯处理 | missing → partial | S20 找到具体产品的处理机制,仍需对照地毯材质、厚度和购买版本 |
| 安装条件 | missing → partial | S24、S25 找到兼容与安装帮助,旧系列的说明不能直接套给新型号 |
这里比较有用的变化,是问题变得具体了。最初只能问“哪款适合”,现在可以带着型号去核对某份说明书、问客服某个版本能不能改装,或者先量家里的安装空间。后面这些信息再缺,继续泛搜“扫地机器人推荐”就不太对路了。
所以我在第三轮后结束了这次宽泛补查,把未确认的事项留进报告。下一步应拿到具体 SKU、地毯和安装位置的信息,再发有针对性的请求。要不要继续查,由缺什么决定,不由网页数量决定。
参数检查
为了单独看看高级参数的行为,我又用元宝搜索相关查询做了六次检查。这组请求和上面的主案例分开保存。
| 查询配置 | 结果数 | 观察到的情况 |
|---|---|---|
元宝搜索 SearchPro,公开网页 | 10 | 返回技术文章、报道等多个网站的内容 |
同一查询,Site=cloud.tencent.com | 10 | 返回网址全部位于指定域名下 |
同一查询,排除 blog.csdn.net、www.infoq.cn | 8 | 原结果中这两个主机名不再出现 |
| 同一查询,排除腾讯云两个域名 | 10 | 正常返回;这次开放查询原本也未命中这两个域名 |
腾讯元宝 搜索,混合结果、新闻垂域、最近一月 | 10 | 组合参数被接受,仍需逐条检查内容 |
腾讯元宝,垂直信源、新闻垂域、最近七天 | 0 | 正常响应,进入空结果处理 |
前几行固定了查询词,只改变站点条件。指定官网后,资料范围集中到文档站点;排除原先命中的两个主机名后,这次实际返回八条。这也提醒我,程序应该按真实列表长度处理,不能假定配置了 Cnt=10 就一定能取到第十项。
新闻和垂直信源两行使用了不同查询配置,主要检查参数组合与空结果处理。做进一步效果比较时,还需要把查询词和其他条件固定下来。
这种小检查比一次性调很多参数更容易定位问题。准备修改来源策略时,先固定查询词;准备改时间范围时,尽量保留其他条件。否则结果变了,很难说清是哪一项起了作用。
错误处理
自动补查比手动搜索更需要区分错误。手动点一次没结果,人会换个词;程序如果没分类,就可能一直重试。
我在参考客户端里把几种常见情况分开处理:
| 情况 | 处理方式 |
|---|---|
| 参数格式不合法 | 本地拦截,记录给下一轮复核,不发请求 |
接口返回 InvalidParameter | 不原样重试,先修参数 |
| 正常响应、结果为空 | 留下记录,考虑调整查询条件 |
| 网络异常、限流或部分服务端错误 | 在预算内有限重试 |
| 模型输出被截断或 JSON 无效 | 报错保留已完成的检索,不把半段内容当报告 |
请求预算放在客户端最接近网络调用的位置。每次真正尝试调用之前,先在锁内扣一次,这样并发和重试都绕不过上限:
with self.lock:
if self.calls >= self.max_calls:
raise SearchError("LocalBudgetExceeded")
self.calls += 1
call_id = f"Q{self.calls:02}"
另外加了一个短时间的内存缓存,以完整参数的指纹作为键。相同查询再次触发时可以复用;查询条件变化就重新搜索。价格、新闻这类任务要留意缓存时间,我在参考代码里把它做成了可配置项。
失败的调用也有记录,但不保存鉴权头。正常响应保留 RequestId 和原始数据,错误记录保留错误码及能够取得的请求编号。以后遇到问题,可以从一次具体调用查起,不必拿着一张最终报告猜是哪里出了错。
本地运行
我把检索客户端、资料池、多轮 chain 和测试放进了源码包。代码使用 Python 3.10 或更新版本的标准库,模型走兼容的 Chat Completions 接口,服务地址、模型名和密钥都从本地环境变量读取。
2026 年 11 月 3 日这次复核使用 Python 3.13.13;SearchPro 的字段与 2026 年 10 月 27 日更新的官方文档核对。源码包里还带了本文的查询统计和来源清单,可以先不配置接口,检查记录与处理逻辑。
解压后进入 go-deeper 目录,先跑本地测试和回放:
python3 test_go_deeper.py -v
python3 replay_study.py
回放程序不调用搜索和模型接口,只读取包内的 study-example.json。里面保留查询参数、来源 URL、逐轮状态及其关联关系,不分发网页长摘要。输出如下:
检索记录:3轮 / 7次请求 / 42条结果 / 39个网址
末轮仍待核对:D1、D2、D3、D4
上下文原顺序:21条,S20未选入
补查资料优先:21条,S20选入
漏报检查:拒绝,复核漏报问题:D2
要查新的问题,再设置接口信息。单独发搜索请求只需要 TENCENTCLOUD_WSA_APIKEY;多轮流程另外配置文本模型,基础地址填写到服务要求的 /v1 等前缀这一层,代码会补上 /chat/completions:
export TENCENTCLOUD_WSA_APIKEY="你的元宝搜索服务密钥"
export RESEARCH_MODEL_BASE_URL="https://你的模型服务地址/v1"
export RESEARCH_MODEL="你的模型名"
export RESEARCH_MODEL_API_KEY="你的模型密钥"
最小的 chain 入口是:
from go_deeper import JSONModel, YuanbaoSearch, run_chain
search = YuanbaoSearch(
max_calls=10,
retries=1,
cache_ttl=120,
output="research-output/raw",
)
study = run_chain(
"梳理元宝搜索的站点、时效和垂域参数,区分服务版本,并给出官方出处",
search,
JSONModel(),
)
print(study["report"])
print(study["stop_reason"], study["unresolved_dimensions"])
也可以直接在命令行执行,完整研究记录会写到指定目录:
python3 go_deeper.py \
"梳理元宝搜索的高级检索参数和服务版本差异" \
--output research-output
python3 test_go_deeper.py
本地运行的二十四项测试全部通过,覆盖了参数校验、结果解析、空结果、查询缓存、重试预算、URL 去重、资料关联和引用 ID 检查,也检查了复核漏项、缺少依据却标为完成、补查资料选入和几种停止原因。
新的在线研究会生成 research-output/study.json,单次响应在 research-output/raw/ 下。如果搜索记录已经有了,模型判断却失败,就先保留这些响应,检查上下文和模型输出。每次实验换一个输出目录,也能避免把上一轮的成功报告和这次的错误记录混在一起。
使用体会
写到这里,工作台反而不需要再加多少界面了。查询、资料和复核能看清,已经足够用来研究元宝搜索。
这次让我觉得比较有用的,是它把联网检索里几项关键条件交给了调用方:从哪里查、查哪个时间段、用哪类信源、返回多少材料。模型提出问题,程序把这些意图落实成参数,再把结果交回去复核,整个过程就能一轮一轮接起来。
以前接搜索,我容易在拿到十条结果后就进入总结。现在更愿意留出一次检查:问题里的限制条件有没有被回答?引用的是不是当前版本?缺的究竟是资料,还是查询方式不对?有了这些判断,下一次调用才知道该改什么。
后续要做资讯追踪,可以更重视时间和事件出处;做调研,可以增加来源分布和交叉核对;做产品问答,则把官方资料和版本差异查细。换业务时,不必从头搭一套流程,主要是调整查询计划和复核标准。
我对这次接入的整体感受不错。元宝能按明确的站点、时间和信源条件返回材料,查询记录又能留在程序里,后面就有条件去复核和调整。再做类似调研时,我会先用一轮搜索找入口,缺哪项再补哪项;已经查到的材料,也得确认真的交到了模型手上。这个小工作台做到这里,已经能帮我少翻不少重复页面了。
转载自 CSDN-专业IT技术社区
原文链接:https://blog.csdn.net/farfar_away/article/details/170194067




