为什么是 AganSeek
传统站内搜索停留在「关键词匹配 + 返回列表」，用户仍需在结果里二次筛选。AganSeek 要做的是：理解意图、召回相关、生成答案、持续进化。
路线选择的核心判断：ES/OpenSearch 对 Lucene 系出身零迁移成本，BM25 守精确词底线，BGE-M3 补语义召回，RRF 融合，LLM 做重排与生成——每一步都有可量化判据，不靠感觉调参。
核心能力
混合检索
BM25（精确词/编号/SKU 不退化）+ BGE-M3 稠密向量（语义/拼音/同义），RRF 融合，P95 ≤ 100ms。
生成式回答
检索增强生成，答案可溯源引用，经金翼 H1 双模型裁决可信分，阈值 0.798878 经中文域回校。
数据飞轮
搜索日志驱动热点词、零结果优化与排序学习；异常波动用金翼 κ 亚泊松框架检测刷量与故障。
平台化
公共服务抽象 + 业务可插拔，复用 AganNode 网关鉴权/限流与 goldwing 分布式底座，不重复造轮子。
架构：平台化分层设计
┌─ 应用层 Web/App 搜索框 / API · 结果页 / 生成式答案卡片
├─ 网关层 AganNode 复用（鉴权 · 限流 · 配额 · 记账）
├─ 检索编排层 Query 理解（纠错/分词/意图/扩展）→ 并行召回 → RRF 融合 → LLM 重排
├─ 召回层 BM25（ES/OpenSearch）+ 向量（BGE-M3）
├─ 索引层 近实时索引 · 公共关键字服务 · 离线批量 Embedding（goldwing）
└─ 数据层 业务数据源 / 搜索日志 / 黄金评测集（C1-搜索-002）
RoadMap
- 已冻结 M0 预登记与评测集框架C1-搜索-001/002/003 三份金翼预登记判据锁定；标注规则 v1.0 冻结；评测脚本框架完成（mock 可跑通）。
- 进行中 M0 执行：构建黄金评测集待真实搜索日志与标注人力到位，先判活 C1-搜索-002（评测集代表性），再跑 C1-搜索-001。
- 待启动 M1 混合检索基线ES/OpenSearch 部署 + BGE-M3 向量召回 + RRF 融合，NDCG@10 相对纯 BM25 提升 ≥15%。
- 待启动 M2 生成式回答RAG pipeline + 金翼 H1 可信分裁决，引用命中率 ≥90% 才全开，否则降级回列表。
- 待启动 M3 数据飞轮 + 异常检测日志驱动优化闭环，κ 框架预登记验证后接入生产异常检测。
金翼融入
AganSeek 是金翼计划「求真 → 成器 → 济世」的真实载体：有真实高频数据、有可量化判据、有持续迭代闭环。
方法论层（成器）
所有调参/选型走金翼预登记四步法：预登记 → 最小执行 → 严格判定 → 三分法归档，根治「事后挑窗口凑效果」。
成果层（济世）
H1 双模型裁决直接用于生成式答案质量闸门（A 档）；κ 框架待预登记验证后用于异常检测（B 档）。
负结果留痕
判废方向标记死因（成本死可翻案 / 原理死永不重启），不重复踩坑，换三次分词器的学费只交一次。
文档与代码
规划书
完整规划：承继、趋势、六层架构、核心模块、RoadMap、金翼融入与风险刹车。见仓库 README 索引。
系列产品
AganChat 对话客户端 · AganNode 模型网关