Search Agent V4

Search Agent V4 是证据优先的本地知识检索助手。它把原文件转换为带来源定位的规范化知识节点，构建可发布的混合检索快照，并以声明级引用门约束回答。当前形态是 Python 3.11+ 模块化单体，使用 SQLite/FTS5 和 OpenAI-compatible 模型网关。

快速开始

python -m pip install -e ".[dev]"
Copy-Item search-agent.example.toml search-agent.toml
$env:SEARCH_AGENT_API_KEY = "your-model-gateway-key"

编辑 search-agent.toml 的模型 base_url、model IDs 和 embedding dimensions，然后：

search-agent ingest "examples/recovery-guide.docx" "examples/inventory.xlsx"
search-agent worker --once
search-agent --pretty ask "恢复演练多久执行一次？"

启动本地 Web 控制台：

search-agent serve

打开 http://127.0.0.1:8787/。当前支持 DOCX/DOCM、文本型 PDF、 XLSX/XLSM/XLTX/XLTM、Markdown、JSON 和纯文本；扫描 PDF 需先 OCR，旧 .xls 尚不支持。

python -m pytest --cov
python -m ruff check .
python -m mypy src

完整 JavaScript、架构边界、金标评测和发布门见代码质量硬约束。

从文档入口开始。它提供新 Agent 的强制阅读顺序、单一事实源规则和从空仓库重建架构的验收标准。

项目内的示例名称和 URI 都应是虚构内容。配置、文档、测试和提交中禁止包含真实密钥或用户数据。