核心用法
curated-search 是一款面向开发者的本地化技术文档搜索引擎。其核心工作流程分为两步：
1. 索引构建（一次性）：通过 npm run crawl 命令，按用户配置的白名单域名抓取技术文档（如 MDN、Python 官方文档等），生成本地搜索索引
2. 离线搜索：构建完成后，所有查询完全本地执行，通过 curated-search.search 工具检索，支持关键词匹配、域名过滤、相关性评分（BM25）和分页
显著优点
- 极致隐私：搜索阶段完全离线，查询内容、用户数据零外传，适合对隐私敏感的企业和个人开发者
- 结果权威：仅搜索经人工筛选的技术文档源，自动过滤搜索引擎广告、SEO 垃圾和低质量内容
- 低延迟：本地 BM25 索引查询，毫秒级响应，无网络波动影响
- 高度可控：通过
config.yaml精确控制爬取范围、内容长度、请求频率，尊重robots.txt
潜在缺点与局限性
- 初始配置成本：需手动维护域名白名单和种子 URL，新文档源不会自动收录
- 内容时效性：索引为静态快照，文档更新需重新运行爬虫；无法获取实时社区讨论（如 Stack Overflow 最新回答）
- 覆盖范围有限：仅支持预配置的技术文档，通用网页、博客、论坛内容无法搜索
- 技术门槛：需要 Node.js 环境，配置 YAML 和理解 BM25 评分机制对非技术用户不友好
- 存储开销：大型文档库（如完整 MDN）可能产生数百 MB 的本地索引文件
适合人群
- 需要在离线环境（如内网、飞机、偏远地区）查阅技术文档的开发者
- 对数据隐私有严格要求的企业团队（金融、医疗、政务等）
- 希望屏蔽搜索干扰、专注权威技术来源的技术写作者和架构师
- 已有稳定技术栈、文档更新频率低的长期项目维护者
常规风险
| 风险类别 | 说明 | 缓解措施 |
|---------|------|---------|
| 索引过期 | 文档源更新后本地索引滞后 | 设置定时任务重新爬取 |
| 爬虫被封 | 爬取频率过高触发源站防护 | 配置 `crawl.delay` 和 `max_documents` |
| 存储泄露 | 本地索引文件包含爬取内容 | 确保 `data/` 目录权限控制 |
| 配置错误 | 白名单配置不当导致爬取非预期内容 | 审计 `config.yaml` 变更 |
该技能代表了"本地优先、隐私优先"的开发者工具设计理念，是云依赖时代的反潮流但高价值选择。