Smart Search 智能搜索路由器

本技能只负责搜索和阅读，不负责发布、点赞、关注、回复等互动操作（那些由各平台专属技能处理）。

使用流程

1. 确定数据源：根据用户意图和下方路由规则，选择搜索平台
2. 读取站点知识：查看 ./sites/<platform>.md 获取搜索 URL、分页、pitfalls、fallback
3. 执行搜索：Cookie Warmup → 导航到搜索 URL → 等待加载 → 提取内容
4. 搜索摘要：每次查询结束必须汇报（格式见下方）

路由规则

用户明确指定平台时

直接使用对应平台。平台名与站点知识文件对应：

用户可能说	站点文件	搜索类型
百度 / Baidu	sites/general.md → Baidu	通用搜索
Bing / 必应	sites/general.md → Bing	通用搜索（推荐）
夸克 / Quark	sites/general.md → Quark	通用搜索（fallback）
知乎	sites/zhihu.md	中文问答
小红书 / XHS / 红薯	sites/xiaohongshu.md	生活方式/真实体验
抖音 / Douyin	sites/douyin.md	短视频
B站 / Bilibili	sites/bilibili.md	视频/番剧
微博 / Weibo	sites/weibo.md	热点/舆论
YouTube / 油管	sites/youtube.md	视频
Twitter / X / 推特	sites/twitter.md	实时讨论
Reddit	sites/reddit.md	社区讨论
GitHub	sites/github.md	代码/项目
LinkedIn / 领英	sites/linkedin.md	职业/招聘
微信视频号	sites/wechat-channels.md	视频号内容
雪球	sites/financial.md → 雪球	股票/金融
arXiv	sites/academic.md → arXiv	学术预印本
百度学术	sites/academic.md → 百度学术	中文学术
万方	sites/academic.md → 万方	中文学术
Wikipedia	sites/academic.md → Wikipedia	百科
贴吧	sites/tech.md → 贴吧	兴趣社区
Hacker News	sites/tech.md → HN	科技社区
V2EX	sites/tech.md → V2EX	技术社区
路透社 / Reuters	sites/news.md	国际新闻
国务院	sites/gov.md	政策文件
Amazon	sites/shopping.md	购物

Per-Category Source Guides

每个分类列出推荐源 + 典型用途 + 数据特征：

分类	推荐源	典型用途	数据特征
AI	openai.com / anthropic.com / huggingface.co / paperswithcode.com / arxiv.org/cs.AI	LLM / 模型 / benchmark / 学术	强时效性；英文为主；benchmark 数字多
info	reuters.com / bbc.com / ft.com / 36kr.com / 财新 / 新浪财经 / 澎湃	行业新闻 / 公司动态 / 政策	时效性强；中文 + 英文混合；财经类需付费墙
media	youtube.com / bilibili.com / pexels-footage / pixabay-footage（本仓 skill）	视频 / 音乐 / 媒体库	视频 metadata 重要；版权注意
shopping	amazon.com / taobao.com / jd.com / pdd.cn	电商 / 价格 / 评测	国内电商需登录；价格波动大
social	x.com / weibo.com / xiaohongshu.com / douyin.com	实时讨论 / 社区	短文本；高噪；需 cookie
tech	github.com / stackoverflow.com / jianshu.com / juejin.cn / segmentfault.com / v2ex.com	代码 / 开源 / 编程	强时效；英文为主；stackoverflow 答案质量高
travel	ctrip.com / booking.com / tripadvisor.com / mafengwo.cn	旅游 / 交通	季节性强；多语种；图片重要
other	duckduckgo.com / startpage.com / kagi.com / sogou.com / yandex.com	兜底 / 隐私搜索 / 国内外通用	隐私优 DDG；国内兜底 sogou；俄罗斯 Yandex

快速选择规则：

1. 用户明确指定平台 → 用指定平台（不分类）
2. 用户未指定 → 按"用户未指定平台时"表的意图特征路由
3. 国内网络环境下 → DuckDuckGo 可能不稳，优先 Bing / 夸克

与路由表配合：

• 路由表是"按意图 → 选平台"（平台名 → sites/.md）
• 源 guides 是"按分类 → 列备选"（多了 1 步选平台的灵活性）
• 推荐组合：先看路由表选定首选 → 源 guides 给备选 → 1 个站不够时切换

本节是"per-category source guides"——最小可行实现。完整 Site Maps Hub（sitemaps/<site>/ per-site navigation knowledge）超出范围，不做。

用户未指定平台时

按意图优先级自动路由：

意图特征	首选	补充
中文通用/热点	Bing	—
中文深度问答	知乎	—
生活方式/真实体验	小红书	—
短视频内容	抖音	—
视频/番剧	B站	—
中文舆论/热搜	微博	—
英文通用	Bing	—
技术/代码	GitHub	—
学术/论文	arXiv	百度学术
股票/金融	雪球	—
国际新闻	Reuters	—

频率限制

同一用户问题（同一意图链路，含追问澄清）内：

• 每个站点最多调用 2 次（第 2 次必须有明确理由：结果过宽需限定、信息不足需补充角度）
• 不要第 3 次调用同一站点；若信息仍不足，停止扩搜并说明缺口
• camoufox-cli --session <s> --json open <search-url> 导航到搜索 URL、snapshot 读取结果，每次导航计为 1 次调用
• Cookie Warmup（仅访问首页）不计入调用次数
• 因报错/超时/验证码/登录墙失败也算 1 次，不要无限重试

Keyword 编码

• 空格：+ 用于 Bing、GitHub、Bilibili；%20 用于 Douyin、Twitter、Facebook、Zhihu；两者皆可用于 Baidu、Quark、YouTube
• 特殊字符：URL-encode（# → %23，& → %26，? → %3F）
• 中文：URL-encode（浏览器导航时自动处理）

Cookie Warmup 速查

以下平台必须先访问首页再搜索，否则返回空结果或跳转登录：

平台	Warmup URL
知乎	https://www.zhihu.com
微博	https://weibo.com
小红书	https://www.xiaohongshu.com
抖音	https://www.douyin.com
YouTube	https://www.youtube.com
Twitter/X	https://x.com
Reddit	https://www.reddit.com
雪球	https://xueqiu.com
LinkedIn	https://www.linkedin.com
TikTok	https://www.tiktok.com
路透社	https://www.reuters.com

不需要 Warmup：Bing、Baidu、Quark、GitHub、arXiv、Wikipedia、HackerNews、V2EX、贴吧、Amazon、百度学术、万方、国务院

浏览器操作最佳实践

主力后端 = target=camoufox（camoufox-cli）。下方命令 / 示例只针对 target=camoufox。
target=host / target=node：只按本节「流程 + 提示事项」走，不要照搬 camoufox-cli ... 命令——用你当前后端自带的浏览器工具语义调用即可。页面加载等待、超时处理、登录墙 / CAPTCHA 处理约定是后端无关的，照本节执行。

临时性 session（推荐）

搜索 / 浏览 / 取数走 临时性 session——不 cp 持久化模板、不带 --persistent，每次随机指纹，关闭自清（spec 补充 A，新闻等不登录站点）。

SESSION="search-$(date +%s)"
camoufox-cli --session "$SESSION" --json open "<url>"
# …snapshot / eval / scroll 取数…
camoufox-cli --session "$SESSION" --json close

涉及登录的平台搜索（知乎 / 微博 / 小红书 / 抖音 / Twitter / Reddit / 雪球 / LinkedIn 等）走持久化 session。

页面加载等待

• 通用站点：camoufox-cli --session <s> --json wait 或 sleep 3-5
• 重度客户端渲染（Twitter/X、小红书、抖音）：5 秒以上
• snapshot 显示内容不完整时再等几秒重新 snapshot

超时错误处理

• 不重启浏览器，不 teardown session
• 等待 30 秒后在原页面继续（sleep 30 + snapshot 复核）
• 只有重开 session（camoufox-cli --session <s> close → 重 open）仍报错才是真正出错

同一 session 已有命令在跑时，新命令会 fail-first（返回 session <name> 正忙，请等待当前操作完成后再试）——读到这条文本就等当前操作完成再重试，不要盲试。

表单输入

• 用 camoufox-cli --session <s> --json type <ref> "<文本>"（逐字符输入，触发完整事件链）
• 不用 fill——一次性塞值不触发逐字事件链，受控组件 / mask 字段容易出问题

snapshot ref 优先

camoufox-cli --session <s> --json snapshot 返回带 ref 的语义快照（@e1 @e2 …），后续 click / type / scroll 全部优先传 ref，不要自己 hack CSS selector。找不到元素时先 snapshot 看真实 DOM 结构再决定 selector 改写。

登录墙 / CAPTCHA

• 遇到登录墙、验证码、人机验证，遵循 browser-guide 技能
• 不要反复重试，最多 2 次后转其他数据源或告知用户

结果区定位

当 DOM snapshot 噪音过多（大量广告/推荐/脚手架 DOM）时，先 snapshot 拿语义结构，按 ref 锚到搜索结果区（main / search-results / [role="list"] 等语义角色），再 eval 在该子树内提取。不要在整页 selector 上盲试。

搜索后操作

1. 确认结果已加载（snapshot）
2. 遇到登录墙/CAPTCHA → browser-guide
3. 提取所需信息
4. 需要更多结果 → 查看 sites/<platform>.md 的分页方式
5. 提取完毕后立即关闭标签页

搜索摘要

每次查询结束，回答末尾必须追加搜索摘要，至少包含：

• 使用了什么站点
• 每个站点搜了什么关键词
• 每个站点调用了几次

格式：

搜索摘要
- 站点：<site1> | 关键词：<term1> | 次数：<n>
- 站点：<site2> | 关键词：<term2>；<term3> | 次数：<n>
- 已跳过：<site3>，原因：达到频率上限

站点详细知识

各平台搜索的详细参数、分页、pitfalls、fallback、DOM 提取提示，见 ./sites/ 目录下对应文件。执行搜索前务必先读对应站点文件，避免踩坑。