Index Express

Express 指数

   [![LLM Backend]()](https://lmstudio.ai)

隐私优先的网络研究，具有分层检索/报告模式、源引用输出、MCP工具和简单的面向用户的终端体验。

特征标签

• peek：纯链接发现原语返回排名 sources
• skim：引用第一蒸馏返回 final_answer, claims, key_evidence
• analyze：对明确备选方案进行比较裁决，并自动回退到 research 当比较输入不足时
• research：迭代计划器审阅者DAG返回 final_synthesis, evidence_graph，以及覆盖状态
• 引文合同：证据链接 source_id / evidence_id
• 输出：报告的可选标记导出

层级矩阵

建筑

Client (MCP or TUI)
    |
    v
MCP Server (server.py)
    |- peek      -> PeekAgent (consensus-calibrated retrieval primitive)
    |- skim      -> SkimAgent (citation-first distillation pack)
    |- analyze   -> AnalyzeOrchestrator (adversarial claim adjudication)
    |- research  -> DeepSearchOrchestrator (iterative planner-reviewer DAG)
    |
    +-- SearXNGClient (retrieval)
    +-- LLMClient (OpenAI-compatible)
    +-- workflow_primitives.py (ranking/evidence/claims primitives)

快速开始

1. 复制env模板并设置模型：

cp .env.example .env

1. 集 LLM_MODEL_ID 在 .env 到您加载的LM Studio型号ID。

建议最小值 .env 对于大多数用户：

LLM_API_URL=http://localhost:1234/v1
LLM_MODEL_ID=
LLM_MAX_PARALLEL=4
SEARXNG_URL=http://localhost:8888

其他一切 .env.example 是可选的调整。

1. 构建并启动后端服务：

docker compose up -d --build

1. 健康检查：

curl http://localhost:8000/health
curl http://localhost:8000/ready
curl http://localhost:8000/metrics
curl http://localhost:8888/healthz

/ready 是部署检查的更严格的准备门，以及 /metrics 返回具有延迟聚合的请求/工具计数器。

MCP工具

主要工具：

• peek
• skim
• analyze
• research
• fetch_url （用于URL检查的原始页面获取助手）

向后兼容的别名：

• quicksearch -> skim
• deepresearch -> research

示例调用：

{"jsonrpc":"2.0","id":1,"method":"tools/call","params":{"name":"skim","arguments":{"query":"fun facts about slugs","max_results":15}}}

终端UI（面向用户）

安装本地CLI：

pip install -e .

启动TUI：

expressindex --tui

运行直接命令模式：

expressindex peek "what is searxng"
expressindex skim "fun facts about slugs" --save-md report.md
expressindex analyze "best python web framework" --save-md compare.md
expressindex analyze "python vs node.js for backend" --options "python,node.js"
expressindex research "vacation plan to aruba" --num-sub-queries 6 --save-md aruba.md
expressindex status
expressindex metrics --json

所有终端激活（所有搜索模式+URL获取助手）：

# Search modes (CLI)
expressindex peek "slug facts"
expressindex skim "slug facts"
expressindex analyze "python vs node.js for backend" --options "python,node.js"
expressindex research "slug facts" --num-sub-queries 6

# URL fetch helper (MCP tool)
curl -sS http://localhost:8000/mcp \
  -H "Content-Type: application/json" \
  -d '{
    "jsonrpc": "2.0",
    "id": 1,
    "method": "tools/call",
    "params": {
      "name": "fetch_url",
      "arguments": {
        "url": "https://en.wikipedia.org/wiki/Slug",
        "max_chars": 4000
      }
    }
  }'

直接模式输出格式：

expressindex skim "fun facts" --output text
expressindex skim "fun facts" --output json
expressindex skim "fun facts" --output markdown

UI目标：

• 明确的进度提示
• 友好的错误消息
• 正常输出中无MCP协议噪声
• 用于多报告模式的简单命令循环用户体验，带有模拟MCP消费者摘要

报告合同

所有查询工具现在都返回具有共享原语的严格MCP优先JSON：

• sources[]: {source_id, url, title, domain, relevance_score, domain_trust_score, freshness_timestamp, intent_category}
• key_evidence[]: {evidence_id, source_id, exact_quote, relevance_score}
• claims[]: {claim_id, statement, support_evidence_ids, refute_evidence_ids, confidence_tier}
• _meta: {token_estimate, compute_ms, schema_version}

特定模式输出：

• peek: query, sources, _meta
• skim: final_answer, claims, uncertainties
• analyze: requested_mode, executed_mode, route_reason, options_compared, recommended_option, confidence, why_not, recommended_position, decision_matrix
• research: final_synthesis, evidence_graph, coverage_report, open_questions, trace_log

环境变量

如果整个表感觉太可配置，请使用上面的4变量最小配置，其余部分保持默认值。

仍支持旧别名：

• LLM_MODEL -> LLM_MODEL_ID

LM Studio并行性注释

• 增加模型侧 Max Concurrent Predictions 在LM工作室。
• 保持 Unified KV Cache 启用。
• 调谐 LLM_MAX_PARALLEL 以匹配VRAM和模型吞吐量。

故障排除

• LLM不可用：

- 验证LM Studio服务器是否已启动 LLM_API_URL - 验证 LLM_MODEL_ID 匹配当前加载的模型

• 响应缓慢：

- 降低 LLM_MAX_PARALLEL - 降低 RESEARCH_MAX_SUB_QUERIES 和 MAX_CONCURRENT_AGENTS

• 引文质量问题：

- 报告生成器自动执行引文修复过程

全部

• 手动模式：在以Markdown格式检索整个页面时获取提供者文档，并添加明确的手动工作流程。

项目地图

• MCP服务器： mcp-server/server.py
• 层级代理： mcp-server/agents/quicksearch.py, mcp-server/agents/deepresearch.py
• 报告引擎： mcp-server/reporting.py
• 搜索/LLM客户： mcp-server/search/searxng_client.py, mcp-server/search/llm_client.py
• ExpressIndex命令行界面/TUI： expressindex_cli/main.py
• 旧助手脚本： mcp-server/tui.py
• 技能简介： .agents/skills/searxng-mcp-research/SKILL.md