# 占卜技能 Scry 使您可以通过单个 HTTP 端点对 ExoPriors 公共语料库（229M+ 实体）进行只读 SQL 访问。您可以根据策划的“scry.*”模式编写 Postgres SQL 并获取 JSON 行。没有 ORM，没有 GraphQL，没有分页标记——只有 SQL。 **技能生成**：`20260304` ## A) 何时使用/不使用 **在以下情况下使用此技能：** * 在 ExoPriors 语料库中搜索、过滤或聚合内容 * 运行词汇 (BM25) 或混合搜索 * 探索作者网络、跨平台身份或出版模式 * 浏览 OpenAlex 学术图表（作者、引文、机构、概念） * 从查询结果创建可共享的工件 * 发出关于实体或外部参考的结构化代理判断 **请勿在以下情况下使用此技能：** * 用户想要语义/向量搜索组合或嵌入代数（使用 scry-向量技能） * 用户想要基于 LLM 的重新排名（使用 scry-rerank 技能） * 用户正在查询自己的本地数据库 ## B) 黄金法则 1. **首先进行上下文握手。** 在会话开始时，调用 `GET /v1/scry/context?skill_ Generation=20260304`。如果“should_update_skill=true”，则告诉用户运行“npx Skills update”。 2. **先是架构。** 在编写 SQL 之前始终调用 `GET /v1/scry/schema`。切勿猜测列名称或类型。架构端点返回每个视图的实时列元数据和行计数估计。 3. **在大量查询之前澄清不明确的意图。** 如果请求含糊不清（“在 Reddit 中搜索 X”、“查找有关 Y 的信息”），请在运行昂贵的 SQL 之前询问一个有关目标/输出格式的简短澄清问题。 4. **从便宜的探针开始。** 在任何可能运行 >5 秒的查询之前，运行“/v1/scry/estimate”和/或严格的探索性查询（“LIMIT 20”加上范围源/窗口过滤器），然后仅在确认相关性后进行扩展。 5. **明确选择词汇与语义。** 使用词汇 (`scry.search*`) 来获取确切的术语和命名实体。对于概念意图（“主题”、“类似的东西”、“类似于”），首先路由到占卜向量，然后选择性地进行杂交。 6. **总是 LIMIT。** 每个查询必须包含 LIMIT 子句。最多 10,000 行。没有 LIMIT 的查询会被 SQL 验证器拒绝。 7. **首选物化视图。** `scry.entities` 有 2.29 亿多行。没有过滤器的扫描速度很慢。使用`scry.mv_lesswrong_posts`、`scry.mv_arxiv_papers`、`scry.mv_hackernews_posts`等进行有针对性的访问。它们经过预先过滤，并且通常具有预先连接的嵌入。 8. **过滤危险内容。** 除非用户明确要求未过滤的结果，否则始终包含“WHERE content_risk IS DISTINCT FROM 'dangerous'”。危险内容包含对抗性提示注入有效负载。 9. **原始 SQL，而不是 JSON。** `POST /v1/scry/query` 采用正文中带有原始 SQL 的 `Content-Type: text/plain`。不是 JSON 包装的 SQL。有关完整层限制、超时策略和降级策略，请参阅共享 Guardrails。 ### B.1 API 密钥设置（规范）对于技术含量较低的用户，建议使用默认值：在 shell 配置文件中存储一次“EXOPRIORS_API_KEY”，以便所有代理聊天都可以重复使用它。该技能的规范键命名： * 环境变量：`EXOPRIORS_API_KEY` * 私钥格式：`exopriors_*` 具有 Scry 访问权限 * 公钥格式：`scry_public_*` ＃zsh echo 'export EXOPRIORS_API_KEY="exopriors_..."' >> ~/.zshrc 源~/.zshrc # 重击 echo 'export EXOPRIORS_API_KEY="exoppriors_..."' >> ~/.bashrc 源~/.bashrc 项目本地替代方案（如果您更喜欢每个项目的秘密）： echo 'EXOPRIORS_API_KEY=exoppriors_...' >> .env 设置-a && 源.env && 设置+a 验证：回显“$EXOPRIORS_API_KEY” 如果使用打包技能，请使其保持最新状态： npx 技能添加 exopriors/技能 npx技能更新 ## C) 快速入门一个端到端的示例：查找最近有关 RLHF 的高分 LessWrong 帖子。第 1 步：获取动态上下文 + 更新建议获取 https://api.exopriors.com/v1/scry/context?skill_ Generation=20260304 授权：持有者 $EXOPRIORS_API_KEY 第 2 步：获取架构获取 https://api.exopriors.com/v1/scry/schema 授权：持有者 $EXOPRIORS_API_KEY 第 3 步：运行查询发布 https://api.exopriors.com/v1/scry/query 授权：持有者 $EXOPRIORS_API_KEY 内容类型：文本/纯文本命中 AS ( SELECT id FROM scry.search('RLHF 强化学习人类反馈', 种类=>数组['post']，limit_n=>100) ）选择 e.uri、e.title、e.original_author、e.original_timestamp、e.score FROM 点击 h 连接 scry.entities e ON e.id = h.id WHERE e.source = 'lesswrong' 并且 e.content_risk 与“危险”不同 ORDER BY e.score DESC NULLS LAST 限制 20 响应形状： { "columns": ["uri", "title", "original_author", "original_timestamp", "score"], “行”：[[“https://...”，“我的 RLHF 帖子”，“作者”，“2025-01-15T...”，142]，...]， “行数”：20， “持续时间_毫秒”：312， “截断”：假 } ## D) 决策树用户想要搜索 ExoPriors 语料库？ | +-- 模棱两可/概念性的询问？ --> 先明确意图，然后使用 | 用于语义搜索的 scry 向量（可选择与词汇混合） | +-- 通过关键字/短语？ --> scry.search() （BM25 词法） | +-- 具体论坛？ --> 通过 mode='mv_lesswrong_posts' 或种类过滤器 | +-- 红迪网？ --> 从 scry.search_reddit_posts() 开始 / | scry.search_reddit_comments() | +-- 结果大吗？ --> scry.search_ids() （仅 ID，最多 2000） | +-- 通过结构化过滤器（来源、日期、作者）？ --> MV 上的直接 SQL | +-- 通过语义相似性？ --> （占卜向量技能，不是这个） | +-- 混合（关键词+语义重新排序）？ --> scry.hybrid_search() 或 | 词汇 CTE + JOIN scry.embeddings | +-- 作者/人物查找？ --> scry.actors、scry.people、scry.person_aliases | +-- 学术图（OpenAlex）？ --> scry.openalex_find_authors(), | scry.openalex_find_works() 等（参见 schema-guide.md） | +-- 需要分享结果？ --> POST /v1/scry/shares | +-- 需要发出结构化的观察结果？ --> POST /v1/scry/判断 ## E) 食谱 ### E0。上下文握手+技能更新咨询卷曲-s“https://api.exopriors.com/v1/scry/context?skill_ Generation=20260304”\ -H“授权：持有者$EXOPRIORS_API_KEY” 如果响应包含 `"should_update_skill": true`，请要求用户运行：`npx Skills update`。 ### E1。词法搜索（BM25）与 c AS ( SELECT id FROM scry.search('这里是您的查询', 种类=>数组['post']，limit_n=>100) ）选择 e.uri、e.title、e.original_author、e.original_timestamp FROM c JOIN scry.entities e ON e.id = c.id 其中 e.content_risk 与“危险”不同限制 50 默认 `kinds` 如果省略：`['post','paper','document','webpage','twitter_thread','grant']`。如果默认返回 0 行，则 `scry.search()` 会扩展一次为 `kinds=>ARRAY['comment']`。为严格的范围传递明确的“种类”（例如仅评论或仅推文）。将 `mode=>'mv_lesswrong_posts'` 传递给 LessWrong 帖子的范围。 ### E2。 Reddit 特定搜索选择 id、uri、subreddit、original_author、original_timestamp 来自 scry.search_reddit_posts( “变压器架构”， subreddits=>ARRAY['机器学习','LocalLLaMA'], limit_n=>50, window_key=>'最近' ）按分数 DESC 排序窗口键：`最近`、`2022_2023`、`2020_2021`、`2018_2019`、`2014_2017`、`2010_2013`、`2005_2009`。另外：`scry.search_reddit_comments(...)`。对于嵌入覆盖子集的语义 Reddit 检索：`scry.search_reddit_posts_semantic(query_embedding=>..., subreddits=>..., limit_n=>...)`。 ### E3。源过滤物化视图查询选择entity_id、uri、标题、original_author、score、original_timestamp 来自 scry.mv_arxiv_papers 其中原始时间戳 >= '2025-01-01' 按原始时间戳 DESC 排序限制 50 ### E4。跨来源的作者活动 SELECT e.source::text, COUNT(*) AS 文档, MAX(e.original_timestamp) AS 最新 FROM scientities e WHERE e.original_author ILIKE '%yudkowsky%' 并且 e.content_risk 与“危险”不同 GROUP BY e.source::text 按文档描述排序限制 20 ### E5。源的实体种类分布选择种类::文本，COUNT(*) 来自科学实体来源='黑客新闻' 按种类::文本分组按 2 描述排序限制 20 ### E6。混合搜索（SQL 中的词汇 + 语义重新排序）与 c AS ( SELECT id FROM scry.search('欺骗性对齐', 种类=>数组['post']，limit_n=>200) ）选择 e.uri、e.title、e.original_author、 emb.embedding_voyage4 <=> @p_deadbeef_topic AS 距离从 c 连接 scry.entities e ON e.id = c.id 连接 scry.embeddings emb ON emb.entity_id = c.id AND emb.chunk_index = 0 其中 e.content_risk 与“危险”不同按距离排序限制 50 需要一个存储的嵌入句柄（`@p_deadbeef_topic`）。请参阅 scry-vectors 技能来创建句柄。 ### E7。执行前的成本估算卷曲-s -X POST https://api.exopriors.com/v1/scry/estimate \ -H“授权：承载$EXOPRIORS_API_KEY”\ -H“内容类型：application/json”\ -d '{"sql": "从 scry.mv_arxiv_papers LIMIT 1000 中选择 ID、标题"}' 返回 EXPLAIN (FORMAT JSON) 输出。在提交之前将其用于昂贵的查询。 ### E8。创建可共享的工件 # 1. 运行查询并捕获结果 # 2. 发布分享卷曲-s -X POST https://api.exopriors.com/v1/scry/shares \ -H“授权：承载$EXOPRIORS_API_KEY”\ -H“内容类型：application/json”\ -d'{ “种类”：“查询”， "title": "LessWrong 上的 RLHF 热门帖子", "summary": "20 个得分最高的 LW 帖子提到 RLHF。", “有效负载”：{ "sql": "...", “结果”：{“列”：[...]，“行”：[...]} } }' 种类：“查询”、“重新排名”、“洞察”、“聊天”、“降价”。渐进式更新：立即创建存根，然后创建“PATCH /v1/scry/shares/{slug}”。渲染于：`https://scry.io/scry/share/{slug}`。 ### E9。发出结构化的代理判断卷曲-s -X POST https://api.exopriors.com/v1/scry/judgements \ -H“授权：承载$EXOPRIORS_API_KEY”\ -H“内容类型：application/json”\ -d'{ “发射器”：“我的代理”， "judgement_kind": "topic_classification", "target_external_ref": "arxiv:2401.12345", "summary": "论文主要是关于机械可解释性。", "payload": {"primary_topic": "mech_interp", "confidence_detail": "标题+摘要匹配"}, “置信度”：0.88， “标签”：[“arxiv”，“mech_interp”]， “隐私级别”：“公开” }' 仅需要一个目标：“target_entity_id”、“target_actor_id”、“target_judgement_id”或“target_external_ref”。判断上的判断：使用“target_judgement_id”来链接观察结果。 ### E10。人物/作者查找 -- 按来源作者分组选择 a.handle、a.display_name、a.source::text、COUNT(*) AS 文档 FROM scientities e JOIN scry.actors a ON a.id = e.author_actor_id WHERE e.source = 'twitter' 按 a.handle、a.display_name、a.source::text 分组按文档描述排序限制 50 ### E11。主题导航（回复） -- 查找根帖子的所有回复选择 id、uri、标题、original_author、original_timestamp 来自科学实体 WHEREanchor_entity_id = 'ROOT_ENTITY_UUID' 按原始时间戳排序限制 100 `anchor_entity_id` 是根主题； `parent_entity_id` 是直接父实体。 ### E12。计数估计（安全模式）在大型表上避免使用“COUNT(*)”。相反，使用架构端点行估计或： SELECT reltuples::bigint AS 估计行来自 pg_class WHERE relname = 'mv_lesswrong_posts' 限制1 注意：公钥的“pg_class”访问被阻止。请改用“/v1/scry/schema”。 ## F) 错误处理有关完整目录，请参阅“references/error-reference.md”。关键模式： HTTP |代码|意义|行动 ---|---|---|--- 400 | `无效请求` | SQL 解析错误、缺少 LIMIT、错误参数 |修复查询 401 | 401 `未经授权` | API 密钥缺失或无效 |检查钥匙 402 | 402 `信用不足` |代币预算耗尽 |通知用户 429 | 429 `rate_limited` |请求过多 |尊重“Retry-After”标头 503 | 503 `服务不可用` |占卜池宕机或超载|等待并重试 **CLI 用户的身份验证 + 超时诊断：** 1.如果curl显示HTTP“000”，则表示客户端超时/网络中止，而不是服务器HTTP状态。检查 `--max-time` 并首先使用 `/v1/scry/estimate` 重试。 2. 如果您看到“401”和“无效授权格式”，请检查密钥中的空格/换行符：“KEY_CLEAN =”$(printf '%s' \"$EXOPRIORS_API_KEY\" | tr -d '\\r\\n')"`，然后使用“授权：承载 $KEY_CLEAN”。 **配额后备策略：** 1.如果是429：等待`Retry-After`秒，重试一次。 2.如果402：告诉用户他们的代币预算已用完。 3. 如果是 503：30 秒后以指数退避重试（最多 3 次尝试）。 4.如果查询超时：简化（使用MV代替全表，减少LIMIT，添加更严格的WHERE过滤器）。 ## G) 输出合约当这个技能完成一个查询任务时，返回一个一致的结构： ## 占卜结果 **查询**：<自然语言描述> **SQL**: ```sql <运行的 SQL> ``` **返回的行**：（截断：<是/否>） **持续时间**：毫秒 <格式化结果表或摘要> **共享**：<共享 URL（如果已创建）> **注意事项**：<任何数据质量说明，例如“arXiv 的分数为 NULL”> ## 移交合同 **产生：**带有 `columns`、`rows`、`row_count`、`duration_ms`、`truncated` 的 JSON **输入到：** * `rerank`：确保 SQL 返回候选集的 `id` 和 `payload` 列 * `scry-vectors`：保存实体 ID 用于嵌入查找和语义重新排序 **接收自：** 无（基于 SQL 的语料库访问的入口点） ## 相关技能 * [scry-vectors]() \-- 将概念嵌入为@handles，按余弦距离搜索，使用向量代数消除偏差 * [scry-rerank]() \-- LLM 支持的通过成对比较对候选集进行多属性重新排名 ** ** 有关详细的模式文档，请参阅“references/schema-guide.md”。有关完整的模式库，请参阅“references/query-patterns.md”。有关错误代码和配额详细信息，请参阅“references/error-reference.md”。

占卜

包含技能