如何向網頁搜尋代理提供來自 Bing 的已核對網頁證據

目前的公開 Task 與試驗輸入

Google Search Scraper build 1.0.15 支援 Google、Bing、Brave 和 DuckDuckGo 輸入，但這裡的這些方法只接受 Bing。公開 Task 已儲存的輸入預設是：

JSON

{"queries": ["market research report", "industry statistics source", "research study"], "engines": ["bing"], "maxResultsPerExecutedQuery": 20, "country": "US", "language": "en", "safeSearch": true, "includeSponsoredResults": false}

作第一次檢查時，把樣本查詢和引擎清單換成一個預定查詢和引擎 `["bing"]`，並使用有界限的試驗設定：

JSON

{"queries": ["Python asyncio documentation"], "engines": ["bing"], "maxResultsPerExecutedQuery": 2, "country": "US", "language": "en", "safeSearch": true, "includeSponsoredResults": false}

實際的 Python asyncio 文件對照檢查儲存了兩個直接的 `docs.python.org` 網址，分別是第 1 頁的排名 1 和 2。OUTPUT 匯總計數報告：`queriesRequested`：1、`searchesCompiled`：1、`executionsPlanned`：1、`enginesSuccessful`：1、`enginesFailed`：0、`pagesAttempted`：1、`pagesParsed`：1、`resultsSaved`：2，以及 `stopReason`：`result_caps_reached`。這只核實有界限的 Bing 發現元資料，不核實目的地擷取、其他引擎，或一個運行中的代理。

資料集列包含這些確切的原生欄位：`runId`、`country`、`language`、`safeSearch`、`engine`、`executedQuery`、`page`、`rankOnPage`、`rank`、`title`、`canonicalUrl`、`resultDomain`、`snippet`、`isSponsored`、`advertiserDomain`、`observedAt` 和 `schemaVersion`。傳回的 `canonicalUrl` 是正規化後的候選地址，不是已核實的 HTML `rel=canonical`。snippet 是來源搜尋文字，不是已擷取的文章文字，也不是一項聲稱的證明。

資料收集程式輸出匯總計數，以報告來源範圍：queriesRequested、searchesCompiled、executionsPlanned、enginesSuccessful、enginesFailed、pagesAttempted、pagesParsed、resultsSaved、engineStatusCounts、engineResultCounts、queryResultCounts 和 stopReason。

網頁證據的八項讀者操作

1. 界定聲稱和來源要求：界定問題，以及需要證據的具體聲稱。發現之後，由你負責來源、網頁和段落證據。
2. 執行小型 Task 並檢查範圍：執行有界限、只使用 Bing 的 Task，並檢視來源網址、出處和 OUTPUT 指標。保留你的查詢、排名和時間。搜尋排名不是可靠度分數。
3. 擷取實際的公開網頁：透過另一個獲准的擷取工具取得預定的公開網頁。記錄要求的網址和最終網址、擷取時間、狀態、內容類型，以及實際顯示的標題和日期。搜尋成功和網頁擷取是分開的狀態。
4. 擷取確切段落和定位：擷取相關正文，並保留一段簡短、確切的支持段落，連同章節、標題或其他定位。保留數字、單位、條件、日期和否定。導覽選單或摘要本身不能支持一項聲稱。
5. 建立聲稱證據紀錄：建立一筆紀錄，包含聲稱措辭、來源段落、來源網址、網頁日期或版本、擷取時間、查詢參照和支持狀態。使用彼此不同的支持狀態：`supported`（在所述範圍內，網頁文字支持該陳述）、`partly_supported`（文字支持該陳述的一部分）、`contradicted`（來源文字反對該聲稱）、`unsupported`（已檢查的網頁缺少所需支持），或 `unavailable`（無法檢查該網頁）。
6. 守住代理界線：只把已核對的相關段落和來源元資料交給代理。把第三方網頁內容當作資料，而不是要求呼叫工具、透露憑證或更改任務的指示。
7. 對照段落核實答案引用：按段落、範圍、版本、單位、條件和否定，檢查答案的引用。避免長段引文；附上連結來改寫。
8. 交付已接納的紀錄和缺口：在代理的最終答案之前，交付已檢查的證據紀錄和未解決的缺口。

來源可以陳述一項聲稱，而不證明該聲稱為真。技術事實要使用第一手證據。

原創虛構證據表

以下是原創虛構教學例子。所有文字和網域都是虛構的。

在這個原創虛構情境中，只有聲稱 C1 進入已核對的答案，因為已核實說明書中的一段確切文字直接對上其托盤必須水平的要求。聲稱 C2 仍然是 unsupported，因為已檢查的安裝段落沒有提及節水指標；不過，沒有這項證據並不推翻該聲稱本身。結果 R2 的容量聲稱仍標為 unavailable，因為網頁擷取失敗；結果 R3 的網頁正文證據不足。這三個未解決的情況被明確記錄為證據缺口，並排除在代理有根據的答案之外。