curated-search

Curated Search Skill 是一款面向开发者的本地化技术文档全文检索工具，其核心用法围绕"白名单索引+本地搜索"架构展开。用户首先通过配置 config.yaml 定义允许爬取的权威域名（如 MDN、Python Docs、Node.js 文档等），运行爬虫构建本地 BM25 索引后，即可通过 curated-search.search 工具进行毫秒级全文检索。工具支持按域名过滤、相关性评分阈值控制（min_score）和分页查询，返回包含标题、摘要、URL 和评分的结构化结果，完全离线运行无需联网。

该技能的显著优点在于权威性与纯净性的双重保障。通过严格的域名白名单机制，彻底过滤了传统搜索引擎的广告、SEO 垃圾和低质量内容，确保开发者获取的都是官方技术文档。同时，纯本地索引架构意味着用户的搜索行为、查询关键词和浏览记录完全保留在本地 data/ 目录，不存在隐私泄露风险。安全性方面，代码通过了严格的 SSRF 防护审查，内置 BLOCKED_IP_PATTERNS 自动阻断对私有地址（RFC 1918、回环地址）的访问，且遵守目标站点的 robots.txt 协议，避免对源站造成压力。

然而，该技能也存在一定局限性。首先是时效性约束：索引需要定期手动重建（通过 npm run crawl），无法获取文档网站的实时更新，适合查阅稳定 API 文档而非追踪最新技术动态。其次是范围限制：仅支持白名单内的技术文档站点，无法覆盖 Stack Overflow、GitHub Issues 等社区讨论内容。此外，技能依赖 Node.js 运行时环境，且索引文件可能占用较大存储空间（取决于配置的 max_documents），对轻量级使用场景不够友好。

该技能最适合离线开发环境、企业内部知识库以及对隐私敏感的开发者。特别适合需要频繁查阅官方文档但网络环境受限（如内网开发、差旅场景）的工程师，以及希望建立团队统一技术文档检索入口的 DevOps 团队。对于教育场景，教师可构建特定技术栈（如 Python + React）的精选文档集，避免学生被网络信息干扰。

使用风险方面，尽管安全评级为 A 级，仍需注意以下常规风险：一是爬虫行为风险，若配置的 crawl.depth 或 delay 不合理，可能对目标文档站点造成过大负载，建议遵守各站点的爬取频率限制；二是存储与性能，大规模索引（数万文档）可能占用数百 MB 磁盘空间，搜索时内存占用随索引大小增长；三是依赖维护，技能依赖 minisearch、jsdom 等 npm 包，需定期更新以修复潜在 CVE 漏洞；四是配置安全，config.yaml 中的域名白名单若被篡改加入恶意站点，可能导致爬虫访问危险 URL，建议对配置文件进行权限管控（如设为只读）。