aifinderkit/aifinderkit-search-skill

AI Finder Kit Search

Version: 1.3.1

Verwenden Sie den gebündelten, abhängigkeitsfreien Client, um den authentifizierten, quellenbewussten Suchdienst abzufragen. Führen Sie für eine interaktive lokale Installation configure aus, um den Schlüssel in einer geschützten Datei zu speichern. Für die Automatisierung injizieren Sie AIFINDERKIT_API_KEY. Platzieren Sie einen Schlüssel niemals in Prompts, Befehlsausgaben, Quelldateien oder Skill-Dateien.

Voraussetzungen

• Python 3.10 oder neuer mit ausgehendem HTTPS-Zugang.
• Ein gültiger AI Finder Kit Such- oder Besitzerschlüssel in AIFINDERKIT_API_KEY oder in der durch configure erstellten geschützten Credential-Datei.
• Keine zusätzlichen Python-Pakete. Dieses Skill-Bundle enthält absichtlich keine Credentials.

Führen Sie vor der ersten Suche python scripts/aifinderkit_search.py doctor aus. Es überprüft Python, die Authentifizierung, die API-Version, verfügbare Endpunkte und aktuelle Limits, ohne den Schlüssel auszugeben.

Arbeitsablauf

1. Führen Sie doctor aus, wenn der Zugriff in der aktuellen Umgebung noch nicht verifiziert wurde.
2. Wählen Sie die kleinste Operation, die die Anfrage beantwortet:
   • search: eine Abfrage mit normalisierten, deduplizierten Ergebnissen.
   • domains: ermittelt gültige vertikale Sub-Domains von AnySearch vor einer strukturierten Suche.
   • batch: zwei bis fünf unabhängige Abfragen.
   • fetch: lesbarer Text von einer bekannten öffentlichen HTTP(S)-Seite.
   • map: entdeckt eine begrenzte Liste von Links auf einer statischen Seite.
   • crawl: extrahiert einen kleinen Abschnitt derselben Domain, niemals ein breites Site-Crawling.
   • research: mehrstufige Evidenzsammlung, Extraktion, Abdeckung und Gaperkennung.
   • Für wissenschaftliche Arbeiten verwenden Sie --preset academic-strict; verwenden Sie academic-relaxed nur, wenn Projektseiten und nicht-wissenschaftliche technische Berichte ebenfalls nützlich sind. Der Relaxed-Modus tauscht Präzision gegen Vollständigkeit – daher prüfen Sie retrieval_signals.query_relevance und verwerfen Sie schwache Treffer.
   • meta: aktueller Zugriffslevel und Anfragelimit.
3. Führen Sie scripts/aifinderkit_search.py aus.
4. Verwenden Sie retrieval_score zusammen mit seinen retrieval_signals, wenn Sie die Retrieval-Qualität bewerten. Der Fusions-score ist nur ein Provider-Ranking-Wert. confidence ist ein veralteter Alias für retrieval_score und repräsentiert niemals die faktische Wahrheit.
5. Zitieren Sie die zurückgegebenen Seiten-URLs in der Antwort für den Benutzer. Behandeln Sie Snippets als Entdeckungshilfen; verwenden Sie fetch oder die primäre Seite, bevor Sie präzise Behauptungen aufstellen.
6. Für Vergleiche oder folgenreiche Behauptungen benötigen Sie entweder eine Primärquelle oder die Übereinstimmung zwischen zwei unabhängigen Quellen. Behandeln Sie confidence nicht als faktische Verifikation; es ist ein Retrieval-Signal.

Befehle

python scripts/aifinderkit_search.py search "Abfrage" --limit 10 --mode balanced
python scripts/aifinderkit_search.py search "Abfrage" --language zh --category news
python scripts/aifinderkit_search.py search "Abfrage" --include-domain github.com
python scripts/aifinderkit_search.py domains --domain academic --domain code
python scripts/aifinderkit_search.py search "transformer" --vertical-domain academic --vertical-sub-domain academic.search
python scripts/aifinderkit_search.py search "multimodales Lernen" --preset academic-strict --mode deep
python scripts/aifinderkit_search.py research "Evaluierung von Retrieval-Augmented Generation" --preset academic-strict --fetch-top 5
python scripts/aifinderkit_search.py batch --query "Paper eins" --query "Paper zwei" --preset academic-relaxed --limit 5
python scripts/aifinderkit_search.py fetch "https://example.com/page"
python scripts/aifinderkit_search.py map "https://example.com/docs" --max-links 30
python scripts/aifinderkit_search.py crawl "https://example.com/docs" --max-pages 5 --max-depth 1
python scripts/aifinderkit_search.py research "Thema" --subquery "Geschichte" --subquery "aktuelle Belege" --fetch-top 3
python scripts/aifinderkit_search.py meta
python scripts/aifinderkit_search.py configure
secret-manager-command | python scripts/aifinderkit_search.py configure --key-stdin
python scripts/aifinderkit_search.py doctor

Verwenden Sie fast für latenzsensitive Entdeckungen, standardmäßig balanced und deep für Recherche. Fügen Sie --freshness day|week|month|year nur hinzu, wenn die Anfrage zeitlich begrenzt ist. Der Client-Timeout beträgt standardmäßig 60 Sekunden; platzieren Sie bei Multi-PDF-Recherchen --timeout 120 vor dem Befehlsnamen.

Führen Sie für Finanzen, Wissenschaft, Code, Gesundheit, Recht, Sicherheit, Reisen und andere strukturierte AnySearch-Domains zuerst domains aus. Kopieren Sie nur eine zurückgegebene sub_domain und fügen Sie jeden erforderlichen Parameter mit --vertical-param key=value hinzu; verwenden Sie einen leeren Wert, wenn das Verzeichnis einen erforderlichen Parameter markiert, aber keiner zutrifft. Wenn domains einen 403 zurückgibt, fahren Sie mit der normalen aggregierten Suche fort, anstatt ein vertikales Schema zu erfinden.

Wenn Schritt 2 des Arbeitsablaufs eine Literaturrecherche ist, folgen Sie stattdessen references/academic-research.md anstelle des normalen Suchpfads. Akademische Voreinstellungen verwenden spezialisierte wissenschaftliche Suchmaschinen, legen bei Verfügbarkeit DOI/Autor/Jahr/Open-Access-Metadaten offen und vermeiden im strikten Modus allgemeine Web-Fallbacks. Lesen Sie references/api.md, bevor Sie das academic-Objekt programmatisch nutzen.

Verwenden Sie map vor crawl. Behalten Sie die Crawl-Standardwerte bei, es sei denn der Benutzer benötigt einen bestimmten kleinen Dokumentationsabschnitt. Crawling ist statisches HTML, gleiche Domain, maximal acht Seiten und Tiefe zwei; es ist kein Browser-Automatisierungswerkzeug.

Lesen Sie für tiefgehende Recherchen references/research-workflow.md, bevor Sie Subqueries auswählen oder coverage und gaps interpretieren. Lesen Sie für die Quellenauswahl und Zitierprüfung references/source-quality.md.

Wenn sich das gebündelte Skript nicht im aktuellen Arbeitsverzeichnis befindet, lösen Sie es relativ zu dieser SKILL.md auf, anstatt davon auszugehen, dass scripts/ im Benutzerprojekt existiert.

Der Client prüft zuerst AIFINDERKIT_API_KEY auf einen Inline-Schlüssel. Wenn er nicht gesetzt ist, liest der Client die durch AIFINDERKIT_API_KEY_FILE ausgewählte geschützte Datei oder standardmäßig ~/.config/aifinderkit/credentials. Das interaktive configure liest ohne Echo; configure --key-stdin unterstützt Secret-Manager-Pipelines. Beide schreiben im Modus 0600 außerhalb des Skills und des aktuellen Projekts. Übergeben Sie niemals einen Schlüssel als Befehlszeilenargument.

Wenn ein Endpunkt 401 zurückgibt, bitten Sie den Benutzer, einen gültigen Suchschlüssel zu konfigurieren. Wenn er 429 zurückgibt, melden Sie das Limit und wiederholen Sie keine Versuche. Wenn warnings angibt, dass eine Quelle nicht verfügbar ist, geben Sie an, dass das Ergebnisset beeinträchtigt wurde, anstatt eine vollständige Aggregation zu suggerieren.

Lesen Sie references/api.md nur, wenn genaue Schemata, Endpunkt-Zuordnungen oder Fehlerverhalten benötigt werden.