name: source-tracker
description: "信息溯源与信源信誉追踪。追溯信息源头（谁先报的、谁说的最准、原作者是谁），长期积累信源画像。Triggers on: 谁先报的, 谁最先说的, 消息来源, 信息溯源, 最早发布, 首发, 源头, 这个消息可信吗, 这是真的吗, reliable source, 谁做的这个, 原作者, original author, 信源排名, 信源画像, source reputation, 搜索渠道状态, 检查渠道, /trace, /source, /reputation, /source-doctor"

Source Tracker — 信息溯源与信源信誉系统

追踪"谁说得最早"和"谁说得最准"，长期积累信源画像。

Source Tracker 通过 SCOUT → GATE → HUNT → JUDGE → LEARN 五段式 Pipeline，将用户输入的一条信息自动溯源到最早/最可靠的发布源，并将结果沉淀为信源信誉数据。

触发条件

当用户的输入包含以下关键词或意图时，激活本 Skill：

溯源类

• "谁先报的"、"谁最先说的"、"消息来源"、"信息溯源"
• "最早发布"、"首发"、"源头"

可信度验证类

• "这个消息可信吗"、"这是真的吗"、"reliable source"

技术归因类

• "谁做的这个"、"原作者"、"original author"

信源查询类

• "信源排名"、"信源画像"、"source reputation"

系统管理类

• "搜索渠道状态"、"检查渠道"

Slash 命令

• /trace — 执行完整溯源 Pipeline
• /source — 查询信源画像
• /reputation — 查询信源信誉排行榜
• /source-doctor — 检查搜索渠道可用状态

信息分类体系

本系统将信息分为三大类：

编排流程（9 步）

Step 0: 解析用户意图

接收用户提供的信息文本。如果用户使用 slash 命令（/source、/reputation、/source-doctor），直接跳转到对应的快捷操作（见下方"快捷操作"节）。

溯源目标解析：从用户输入中识别显式溯源目标：

Step 1: SCOUT — 泛搜索

执行一次快速通用搜索，获取真实数据供 GATE 分类时参考。

操作：

1. 使用 Tavily 或 Jina Web 进行通用搜索（取决于可用性）
2. 从搜索结果中提取元特征：
3. observed_languages: 语言分布（如 {"zh": 7, "en": 3}）
4. observed_platforms: 出现的平台（如 ["36kr", "zhihu", "reddit"]）
5. observed_themes: 主题线索（如 ["open-source", "trending"]）
6. 将结果封装为 ScoutResult 传递给 GATE

搜索工具选择：
- 优先使用 mcp_tavily_tavily_search(query=...) — 速度快、覆盖面广
- 备选使用 mcp_jina_search_web(query=...) — 适合中文内容

延迟预算：1-3 秒（SCOUT 应快速完成，不需要精确）

Step 2: GATE — 门控分类

使用 GATE System Prompt 对用户输入进行分类，基于 SCOUT 的实际数据做出判断。

操作：

1. 调用 check_channel_status() 获取当前可用渠道列表
2. 将用户原始文本 + 可用渠道列表 + SCOUT 结果 + tracing_goal_hint 组装为 GATE prompt
3. 发送给 LLM，获取分类结果（JSON 格式）

GATE 输出结构（V2）：

{
  "info_type": "TREND | CLAIM | TECH | MIXED",
  "tracing_goal": "earliest | most_reliable | original_author | auto",
  "dominant_language": "zh | en | mixed",
  "sub_queries": [
    {
      "query": "优化后的搜索查询",
      "type": "TREND | CLAIM | TECH",
      "search_channels": ["grok_search", "twitter", "tavily"]
    }
  ],
  "reasoning": "基于 SCOUT 证据的分类理由"
}

渠道选择参考：

MIXED 处理：如果分类结果为 MIXED，GATE 会自动拆分为多个子查询。对每个子查询独立执行 Step 3-7。

Step 3: 渠道可用性过滤

基于 Step 2 返回的 check_channel_status() 结果，过滤 GATE 选出的渠道：

• ✅ ready → 正常使用
• ⚙️ needs_config → 跳过，并在最终输出中提示用户配置
• 📦 not_installed → 跳过，并在最终输出中提示用户安装
• ❌ unavailable → 静默跳过

重要：如果所有渠道都不可用，回退到该类型的默认渠道中任何 ready 状态的渠道。如果仍无可用渠道，通知用户并中止。

Step 4: HUNT — 多源搜索

按过滤后的渠道列表逐个执行搜索。

渠道自动调参 (V1.2)：当 use_tuned=True 时，渠道排序会使用衰减加权后的有效亲和度
（effective affinity），而非静态默认值。数据不足 5 次时自动回退为默认值。
使用 /tune-channels 查看当前调参结果。

搜索工具映射（按 channel_id → 工具调用）：

收集结果：将每个渠道的搜索结果标准化为 Discovery 格式：

{
    "source_platform": "twitter",        # 渠道 ID
    "source_author": "@TechBro42",       # 作者/账号名
    "source_url": "https://...",         # 原始链接
    "published_at": "2026-03-11T14:00",  # ISO 8601 时间戳
    "time_confidence": 1.0,              # 时间可信度 0.0-1.0
    "content_snippet": "...",            # 内容摘要 (≤300 字)
    "relevance_score": 0.9               # 与查询的相关度 0.0-1.0
}

追踪渠道命中 (V1.2-preflight)：在搜索过程中同时记录每个渠道的命中情况：

channels_used = []
for channel in selected_channels:
    results = search(channel, query)
    channels_used.append({
        "channel_id": channel.channel_id,
        "hit": len(results) > 0,          # 是否返回了相关结果
        "result_count": len(results)       # 返回结果数量
    })

此数据将在 LEARN 阶段传给 report_discovery，用于后续渠道性能分析。

时间可信度参考：

• 1.0 = API 返回精确时间
• 0.7 = 页面显示 "3小时前"
• 0.5 = 只有日期
• 0.2 = 推断的（如 "近日"）
• 0.0 = 无时间信息

Step 5: JUDGE — 评判排序

将所有 Discovery 提交给 JUDGE System Prompt，由 LLM 执行。JUDGE 接收 tracing_goal 参数以切换评分策略：

1. 事件聚类：判断哪些结果说的是同一件事，标记不相关的为 irrelevant
2. 按 tracing_goal 评分：
3. earliest (或 TREND 默认): score = (1/rank_by_time) × time_confidence × relevance
4. most_reliable (或 CLAIM 默认): score = authority_tier × relevance × time_recency_bonus
   • 权威等级：T1(1.0) > T2(0.8) > T3(0.6) > T4(0.4) > T5(0.2)
5. original_author (或 TECH 默认): score = originality × relevance
6. 选出 Winner + Runners-up，给出判断理由

平局打破规则：

• 同分同时发布 → 按 time_confidence 更高者胜出
• TREND 同小时内 → 按权威度打破
• CLAIM 同权威等级 → 按发布时间更早者胜出
• TECH 同原创性 → 更详细的内容胜出

信息不足时：标记为 is_inconclusive = true，仍选出最佳候选但注明置信度不足。

Step 6: LEARN — 沉淀学习

调用 Source Tracker MCP Server 将结果写入数据库：

report_discovery(
    query = "用户原始查询",
    info_type = "TREND",
    winner = {
        "source_platform": "twitter",
        "source_author": "@TechBro42",
        "source_url": "https://...",
        "published_at": "2026-03-11T14:00",
        "content_snippet": "..."
    },
    runners_up = [...],
    reasoning = "JUDGE 的判断理由",
    tracing_goal = "earliest",
    dominant_language = "zh",
    channels_used = [                           # V1.2-preflight
        {"channel_id": "grok_search", "hit": true, "result_count": 3},
        {"channel_id": "tavily", "hit": true, "result_count": 5},
        {"channel_id": "twitter", "hit": false, "result_count": 0}
    ]
)

系统会自动：

• 创建/更新信源画像 (SourceProfile)
• 记录溯源发现 (Discovery)
• 更新命中计数 (total_hits + 类型命中)
• 重算指数衰减信誉分

Step 7: 展示结果

向用户展示格式化的溯源结果：

🏆 最佳信源：@TechBro42 (Twitter/X)
   首发时间：2026-03-11 14:00 (UTC+8)
   内容摘要：[snippet]
   信源类型：趋势首发型

ℹ️ 信源画像：该账号此前已有 3 次趋势首发记录，平均领先第二名 2.5 小时。

如果有渠道因不可用而被跳过，在结果末尾附加提示：

💡 提示：以下渠道未参与本次搜索：
   • twitter — 需要配置 Cookie → 运行 `agent-reach configure twitter-cookies`
   • exa_search — 需要安装 → `mcporter install exa`

快捷操作

/source — 查询信源画像

直接调用 get_source_profile(source_id) 或 query_reputation(platform, author_name) 展示信源画像。

/reputation — 信源排行榜

调用 list_sources(top_n=10) 展示信源信誉排行榜。支持可选过滤参数：

• info_type: 按信息类型过滤 (TREND/CLAIM/TECH)
• platform: 按平台过滤
• sort_by: 排序字段 (reputation_score, total_hits, ...)

/source-doctor — 搜索渠道诊断

调用 check_channel_status() 并展示格式化的渠道状态报告。

/trace — 完整溯源

等同于执行完整的 7 步编排流程。

/channel-performance — 渠道性能分析

调用 get_channel_performance() 展示各搜索渠道的历史命中率统计。支持可选参数：

• info_type: 按信息类型过滤 (TREND/CLAIM/TECH)

/tune-channels — 渠道自动调参

调用 get_tuned_affinities() 展示各渠道的有效亲和度 vs 默认亲和度。使用 ↑↓= 箭头标示渠道被提升或降权。支持可选参数：

• info_type: 按信息类型过滤 (TREND/CLAIM/TECH)

MCP Server 工具清单

本 Skill 通过以下 Source Tracker MCP 工具与数据库交互：

MCP Resources：

错误处理

• 搜索渠道全部不可用：通知用户配置至少一个搜索渠道后重试
• 搜索结果为空：告知用户未找到相关信息，建议扩大搜索范围或使用其他渠道
• JUDGE 结果 inconclusive：展示最佳候选但明确标注置信度不足，建议用户补充更多信源
• 用户纠正判断：指导用户使用 correct_judgment 工具修正错误的溯源结果

安装配置

1. 安装 Source Tracker MCP Server

pip install source-tracker   # 或 uvx source-tracker

2. 配置 MCP Client

将以下配置添加到 Agent 的 MCP 设置中：

{
  "source-tracker": {
    "command": "source-tracker",
    "args": ["serve"]
  }
}

3. 安装 Skill

ln -s /path/to/source-tracker/skill ~/.agent/skills/source-tracker

4. 检查渠道状态

首次使用时，告诉你的 Agent：

帮我检查 Source Tracker 的搜索渠道状态

Agent 会自动调用 check_channel_status() 并显示哪些渠道可用。