dsh-deep-research

大部分 AI 研究工具共享同一种病灶：证据数量看起来很多，却几乎没有人验证引文是否真的出现在所附页面上，也没人追问十几个来源究竟有几条独立信息。结果就是'有 URL 即有证据'、'来源多即共识'，而真正的反驳往往被多数票淹没在支持票里。

Kestrel 用代码而非提示词来把关。每条引文必须通过字面子串（或归一化、模糊）匹配在原文中精确落地，模型无法凭空捏造支持；MinHash + LSH 构建相似度候选、Tarjan SCC 压缩环路后，十二家通稿转载被还原为一条独立见证；对抗式法庭让'控方'专找反证，一条经机械验证的反驳即可将置信度锁死，无论支持方有多少来源。证据图按声明的易变等级设定不同保鲜期——定理五年、股价二十四小时——避免一刀切过期。

适合需要可审计研究链的场景：分析师、写引用密集内容的研究者、对'AI 查到的东西到底可不可信'保持警惕的团队。零运行时依赖，可嵌入任意 Node 工作流作为独立库使用；无 LLM 时自动退化为确定性词法裁判，不会静默返回空结果。