websearch-mcpserver 的配套 Qwen Code 扩展。
使用 Qwen Code 时，主模型的上下文窗口非常宝贵。当你让主智能体去做网络调研——搜索、抓取网页、筛选信息——大量原始内容会涌入上下文，挤占后续编码对话的空间。
本扩展的解法：将调研任务交给一个专用的 fast model 子智能体（默认 deepseek-v4-flash）去处理。子智能体独立完成搜索→筛选→抓取→综合的全流程，生成结构化报告存到本地，只把精炼的摘要返回给主智能体。主模型的上下文始终保持干净。
通过 /research:search <query> 一键派发调研任务。子智能体自动：
- 将查询拆解为多个子问题并行搜索
- 按相关性 1-5 分筛选结果，丢弃低质量内容
- 抓取高价值页面，提取关键事实并标注来源
- 综合所有发现，生成结构化 Markdown 报告
- 将报告存入
.qwen/research/，返回精炼摘要
主智能体直接使用返回的摘要回答你，正常情况下不会读取报告文件，上下文零膨胀。
调研结果持久化存储，支持：
/research:reports— 列出所有历史报告，查看 META 摘要/research:read <keyword>— 按关键词搜索报告，分层读取（先摘要，按需展开具体发现）
适合多次调研之间的交叉引用和回溯查阅。
报告采用 FINDING-*、DATA-*、CONFLICT-* 锚点标记，每个内容块自包含。主智能体需要追问细节时，只需 grep 锚点定位 + 按行读取对应段落，无需加载整份报告。
flowchart TD
User["👤 用户: /research:search 2024年主流向量数据库性能对比"]
Main1["🧠 主智能体（重模型）\n识别为调研任务 → 派发子智能体"]
Sub["⚡ web-researcher 子智能体\nfast model: deepseek-v4-flash"]
Step1["1️⃣ 拆解查询 → 生成 2-5 个子问题"]
Step2["2️⃣ 并行调用 smartsearch / academicsearch"]
Step3["3️⃣ 相关性评分筛选（≥4 才抓取，≤2 丢弃）"]
Step4["4️⃣ 抓取高价值页面，提取事实 + 标注来源"]
Step5["5️⃣ 综合写报告 → .qwen/research/"]
Step6["6️⃣ 返回摘要 + 关键发现 + 快速事实"]
Main2["🧠 主智能体\n用摘要直接回答用户（不读报告文件）"]
Follow["用户追问细节 → grep 锚点 → 按需读取段落"]
User --> Main1 --> Sub
Sub --> Step1 --> Step2 --> Step3 --> Step4 --> Step5 --> Step6
Step6 --> Main2 --> Follow
style User fill:#e1f5fe
style Main1 fill:#fff3e0
style Sub fill:#f3e5f5
style Main2 fill:#fff3e0
style Follow fill:#e8f5e9
为什么这样设计？
| 痛点 | 解法 |
|---|---|
| 网络搜索返回大量原始内容，撑爆主模型上下文 | 子智能体在独立上下文中处理，只返回摘要 |
| 主模型做搜索任务成本高、速度慢 | 子智能体用 fast model，便宜快速 |
| 调研结果用完即丢，无法回溯 | 报告持久化到 .qwen/research/，支持后续查阅 |
| 主智能体需要细节时要重新搜索 | 按需 grep 锚点 + 分段读取，零冗余加载 |
需要先部署 websearch-mcpserver，它提供 smartsearch（通用搜索）和 academicsearch（学术检索）两个 MCP 工具。
从 Releases 页面下载 Windows 版本：
websearch-mcpserver-windows-amd64.exe
在 exe 所在目录执行：
./websearch-mcpserver-windows-amd64.exe install这会生成 config.yaml 配置文件和 autostart.vbs 启动脚本。
编辑生成的 config.yaml，按需配置搜索引擎 API Key 等参数。
双击 autostart.vbs 完成首次启动。之后每次开机将自动启动服务。
服务启动后（默认监听 localhost:8338），执行：
qwen mcp add --transport http websearch http://localhost:8338/mcp将本仓库 clone 或下载到本地，然后在 Qwen Code 中注册：
qwen extension add /path/to/web-researcher扩展注册后提供以下命令：
| 命令 | 说明 |
|---|---|
/research:search <query> |
派发调研任务给子智能体 |
/research:reports [keyword] |
列出已有报告（仅 META 摘要） |
/research:read <keyword> |
按关键词搜索并分层读取报告 |
/research:search 2024 年主流向量数据库性能对比
子智能体会自动执行搜索、筛选、提取、综合，生成结构化报告存入 .qwen/research/，并返回摘要。主智能体直接用摘要回答你，不占用主模型的上下文。
需要追问细节时，主智能体会按需 grep 报告中的 FINDING-、DATA- 等锚点，分段读取。
web-researcher/
├── qwen-extension.json # 扩展元数据
├── QWEN.md # 主智能体上下文注入
├── agents/
│ └── web-researcher.md # 子智能体定义（prompt + 模型 + 工具）
├── commands/research/
│ ├── search.md # /research:search 命令
│ ├── reports.md # /research:reports 命令
│ └── read.md # /research:read 命令
└── skills/consuming-research-reports/
└── SKILL.md # 报告消费指南（教主智能体如何读报告）
报告存储在 .qwen/research/ 目录下，结构如下：
.qwen/research/
├── k8s-gpu-scheduling_20260529.md
├── sources/
│ └── k8s-gpu_1.md ← 原文引用（markdown 链接）
└── llm-finetuning-methods_20260529.md
每份报告结构：META → SUMMARY → FINDINGS → DATA → CONFLICTS → SOURCES
MIT