Omphalos Position Paper v0.1

從搜尋 API 到 AI 原生搜尋方法 Runtime：搜尋方法空間、可替換執行管道與自主方法組合

English Title: Omphalos: From Search APIs to an AI-Native Search-Method Runtime — Search-Method Spaces, Replaceable Execution Channels, and Autonomous Method Composition

Codename: Omphalos
Technical Name: AUSI Runtime — AI-Native Unified Search Intelligence Runtime
Legacy Repository Name: ai-web-research
Version: v0.1
Date: 2026-09-02
Status: Canonical Position / Reframing Paper
Reference Implementation: kakon77777-commits/ai-web-research

摘要

當代 AI 搜尋系統常被描述為「模型加搜尋 API」、「Agent 加工具」或「LLM 加 RAG」。這些描述雖然足以表達局部實作，卻容易把真正的搜尋智能誤縮成某個模型、搜尋引擎、API 或工具調用介面。當 Google Search、X Search、Brave Search、專利資料庫、學術資料庫、本地索引、Crawler、企業私有資料與未來的新型搜尋能力同時存在時，真正困難的問題已經不是「AI 能否呼叫一個 Search API」，而是：

AI 是否能把不同搜尋方法視為可操作的認知方法，依任務選擇、組合、切換、驗證、停止，並在 provider 改變時維持方法語義不變？

本文重新定位 Omphalos / AUSI Runtime。Omphalos 是專案代號；AUSI Runtime 是技術名稱。其核心不再被定義為 Web crawler、search API aggregator 或單一 Deep Research Agent，而是：

一個 AI 原生搜尋方法 Runtime：將人類與機器已知的搜尋方法外顯成可註冊、可組合、可驗證的 Search Methods，讓 AI 自主選擇方法，再把方法綁定到可替換的模型、搜尋引擎、資料庫、API、Crawler 或本地資料來源。

本文提出五層分離：

\boxed{ \text{Search Method} \neq \text{Provider} \neq \text{Surface} \neq \text{Adapter} \neq \text{Credential} }

並將 provider 分成四種主要執行通道：

Model-Native Search Provider：例如 Gemini + Google Search、Grok + Web/X Search；
Provider-Neutral Search Infrastructure：例如 Brave Search；
Domain-Specific Knowledge Provider：例如 EPO OPS、Crossref、未來的經濟、氣象與專業資料服務；
Local / Private Provider：例如本地 corpus、Crawler、企業資料庫與私有索引。

在此架構下，Google API 免費額度到期、xAI 價格改變、Brave quota 改變、EPO OAuth 或 fair-use 改變，都只是：

\operatorname{ProviderState}(t)

的變化，而不是 Omphalos 架構本身的變化。

本文進一步提出 Search-Method Primacy Principle、Provider Replaceability Principle、Method Coverage、Execution-Channel Diversity 與 Search Method Corpus。Omphalos 的長期研究目標不是宣稱已經實作「所有搜尋法」，而是建立一個可持續擴張的搜尋方法空間，使 Boolean search、exact search、citation chasing、classification search、berrypecking、systematic-review search、counter-evidence search、identity search、temporal/version search、prior-art search、graph search、multilingual search 等已知方法，都可以逐步轉成 AI 能理解與調度的 typed operators。

最終，Omphalos 的核心式為：

\boxed{ \text{Task} \rightarrow \text{Search Strategy} \rightarrow \text{Search Method} \rightarrow \text{Provider Binding} \rightarrow \text{Authorized Execution} \rightarrow \text{Evidence} \rightarrow \text{Gap} \rightarrow \text{Replan} }

因此，API 是管道；Provider 是能力載體；Method 才是搜尋智能的第一級物件。

關鍵詞： Omphalos、AUSI Runtime、AI-Native Search、Search Method Runtime、Search Method Ontology、Provider Routing、Gemini Search、Grok X Search、Brave Search、EPO OPS、Agentic Search、Search Intelligence

1. 為什麼需要重新定位

ai-web-research 最初從可靠 crawler 開始：

robots
sitemap
BFS
fetch
parse
store
dedup

這個起點本身沒有問題。

問題在於系統後續逐漸加入：

query divergence
LLM recall
identity search
semantic extraction
MCP
SearchMethodSpec
Provider Registry
Planner
Policy Runtime
Evidence Runtime
Gap Engine
Search Receipt
Patent Domain Pack

之後，若專案仍被描述為：

「一個比較強的 Web crawler」

就會產生 category error。

Crawler 現在只是：

P_{\text{crawler}}

而不是 architecture root。

2. 名稱分層

2.1 Omphalos

Omphalos 是專案代號與產品／研究代稱。

它代表整體研究方向：

AI 如何把搜尋方法本身變成可調度的認知能力。

2.2 AUSI Runtime

AI-Native Unified Search Intelligence Runtime 是技術名稱。

它描述 runtime architecture：

methods
providers
planning
policy
execution
evidence
gaps
experience

2.3 `ai-web-research`

這是歷史 repository 名稱。

它保留了專案早期的 Web research 起點，但已不能完整描述目前的系統範圍。

因此：

\boxed{ \text{Repository Name} \neq \text{Technical Identity} }

3. API-Centric 思維的限制

最常見的搜尋 Agent 架構是：

User
↓
LLM
↓
Search API
↓
Answer

這能工作。

但它把搜尋問題壓縮成：

「要不要 call search？」

如果未來同時存在：

Google
X
Brave
Crossref
EPO
local vector index
crawler
enterprise database

問題就變成：

「call 哪一個？」

再往前一步又會發現：

「不是先選 provider，而是先選搜尋方法。」

例如「找反證」與「找更多相似結果」可能都使用 Brave。

「找 prior art」與「查專利法律狀態」可能都使用 EPO，但它們不是同一 Method。

因此：

\boxed{ \text{Provider Selection} \neq \text{Search Strategy} }

4. Search-Method Primacy Principle

本文提出：

搜尋方法是第一級語義物件；Provider 與 API 是方法的執行通道。

形式：

M_i=\text{Search Method}

P_j=\text{Provider}

B_{ij}=\text{Binding}(M_i,P_j)

實際執行：

M_i\rightarrow B_{ij}\rightarrow P_j

而不是：

P_j\rightarrow\text{invent a search meaning}

5. 五層分離

Omphalos 固定：

\boxed{M\neq P\neq S\neq A\neq C}

其中：

$M$ ：Search Method；
$P$ ：Provider；
$S$ ：Surface；
$A$ ：Adapter；
$C$ ：Credential。

Search Method 回答「要做什麼搜尋認知操作」；Provider 回答「哪個能力來源可以做」；Surface 回答「從哪個介面做」；Adapter 負責 translation；Credential 只處理 execution authorization。

6. 四類 Provider

本文將 Omphalos Provider 分成四個主類。

6.1 Model-Native Search Provider

特色是搜尋工具與模型推理循環高度整合。

Gemini / Google Search

Gemini API 的 google_search tool 可以讓模型自行分析 prompt、生成一或多個搜尋、執行 Google Search、處理結果並回傳 grounded response 與 citation / search-call metadata。

因此可視為：

P_{\text{Gemini-Google}}

Grok / Web Search

xAI 的 web_search 是 server-side built-in tool，可即時搜尋 Web、瀏覽頁面並限制 domain。

Grok / X Search

xAI 的 x_search 支援 keyword、semantic、user、thread、date/handle filtering，以及 image/video understanding。

因此 X 是一個具有不同 information topology 的 search surface，而不是普通 Web provider 的別名。

6.2 Provider-Neutral Search Infrastructure

例如 Brave Search。

Brave 提供獨立 Web index 與 REST Search API，也有為 Agent / LLM consumption 設計的 LLM Context surface。

這使：

AI Planner
↓
Method
↓
Brave

可以作為不依附特定 model-native search 生態的 baseline。

6.3 Domain-Specific Knowledge Provider

例如 EPO OPS、Crossref。

EPO OPS 提供 REST/XML patent-data machine interface；Crossref 提供 scholarly metadata / DOI / NPL discovery。

這類 provider 不應被當 general Web Search。

6.4 Local / Private Provider

例如：

crawler
local corpus
vector store
enterprise database
private index

它們讓搜尋不必預設所有資訊都要離開本機。

形式：

\mathcal P= \mathcal P_M \cup \mathcal P_N \cup \mathcal P_D \cup \mathcal P_L

7. Search Method Space

Omphalos 的長期研究目標：

\mathcal M_{\text{known}}=\{M_1,\ldots,M_n\}

其中 $M_i$ 來自人類資訊搜尋、IR、圖書資訊、科學研究、法律研究、專利研究、資料庫、Graph、Web 與 AI-native search。

「讓 AI 可以調用人類已知搜尋法」不是宣稱今天已經枚舉完成，而是一個持續擴張的 research program：

任何已知且可明確描述的搜尋方法，都應有機會被外顯成 typed Search Method。

8. Search Method Corpus

除了 Method Registry，Omphalos 應建立 Search Method Corpus。

每個方法至少保存：

name
history
domain
goal
input
output
preconditions
strengths
failure modes
composition rules
provider requirements
references
implementation status

可能逐步外顯的方法包括：

Boolean Search
Exact Search
Phrase Search
Faceted Search
Classification Search
Citation Chasing
Backward Search
Forward Search
Snowballing
Berrypicking
Exploratory Search
Systematic Review Search
Counter-Evidence Search
Prior-Art Search
Identity Search
Temporal Search
Graph Search
Cross-Language Search

9. Berrypicking、Exploratory Search 與 Systematic Search

Bates 的 berrypicking 強調 query 會隨新資訊逐步演化：

S_t\rightarrow M_t\rightarrow E_t\rightarrow S_{t+1}

Marchionini 的 Exploratory Search 強調 learning / investigation / comparison，而不是只做 known-item lookup。

PRISMA-S 等 systematic-search 方法則要求 sources、queries、dates、iterations、citation searching 與 reproducibility。

這些方法論共同說明：

搜尋是一個可組合的研究程序，而不是一次 API request。

10. Search-Method Coverage

Omphalos 應區分：

\text{Coverage}_{\text{provider}}

與：

\text{Coverage}_{\text{method}}

Provider Coverage 回答「查了哪些來源」。

Method Coverage 回答「用了哪些搜尋方法」。

查五個搜尋引擎但全部使用同一 query，Provider Coverage 可以很高，Method Coverage 仍然很低。

11. Search Strategy

Search Strategy 是 Method composition：

\Pi=M_1\triangleright(M_2\parallel M_3)\triangleright M_4

它不是 Provider list。

執行時才把 Method 綁到 Provider：

B:(M,S)\rightarrow(P,\text{Surface},\text{Adapter})

12. Provider Replaceability Principle

若 Method semantic contract 不變，Provider 可以替換：

(M,P_a)\rightarrow(M,P_b)

而不必重新定義 Method。

例如 Gemini 企業額度到期時，變化的是：

\text{Cost}(P_{\text{Gemini}})\uparrow

或：

\text{Quota}(P_{\text{Gemini}})\downarrow

不是：

M_{\text{web-search}}\text{ disappears}

13. ProviderState

Provider State 應包含：

available
quota
cost
latency
health
auth
policy freshness

它是一個會隨時間改變的 runtime state。

因此：

\operatorname{ProviderState}(t_1) \neq \operatorname{ProviderState}(t_2)

完全不要求 Method identity 也跟著改。

14. Dynamic Routing

Planner 可以估：

U(M_i,P_j,S_t)

例如 deployment profile：

Google-native web grounding → Gemini / google_search
X / discourse / social      → Grok / x_search
general neutral Web         → Brave
academic / NPL              → Crossref
patent machine data         → EPO OPS
site acquisition            → crawler
local corpus                → local index

這只是 deployment profile，不是 architecture law。

15. Model 的多重角色

同一 Gemini / Grok 可以扮演：

Planner
Provider
Synthesizer

但 Runtime identity 必須分開。

Model-as-Planner 只提出 plan。

Model-as-Provider 執行 native search tool。

Model-as-Synthesizer 根據 Evidence 產生 synthesis。

16. Search Result 與 Evidence

無論 Provider 是 Gemini、Grok、Brave、EPO 或 Crossref：

\boxed{\text{Retrieved}\neq\text{Verified}}

Model-native grounded response 可以提供很好的 citations 與 search traces，但高風險研究仍應把來源轉成 Evidence Objects，再做 task-relative verification。

17. Search Receipt 與 Search Strategy Memory

每次 execution 留下：

method
provider
surface
query
policy
cost
latency
result count
evidence gain
gap change
stop reason

累積：

H_{\text{search}}

形成 Search Strategy Memory。

但：

\boxed{ PastExecution \not\Rightarrow CurrentAuthorization }

歷史成功不能學成今天仍被允許。

18. Omphalos Control Loop

正式：

\boxed{ T \rightarrow S_0 \rightarrow \Pi_0 \rightarrow M \rightarrow B \rightarrow A \rightarrow O \rightarrow E \rightarrow G \rightarrow \Pi_1 }

其中：

$T$ ：Task；
$S$ ：State；
$\Pi$ ：Plan；
$M$ ：Method；
$B$ ：Binding；
$A$ ：Authorized Action；
$O$ ：Observation；
$E$ ：Evidence；
$G$ ：Gap。

19. Omphalos 不是什麼

Omphalos 不是 Meta Search Engine：

query → many engines → merge results

Omphalos 是：

task
→ method selection
→ method composition
→ provider selection
→ evidence
→ gap
→ replan

它也不是單純 RAG pipeline、Browser Agent 或 MCP server。

RAG、Browser、MCP 都只是 Omphalos 可以使用的 execution / protocol capabilities。

20. Method Coverage 與 Execution-Channel Diversity

本文提出 execution-channel diversity：

D_E=D(\text{model-native},\text{neutral},\text{domain},\text{local})

它不等於 source independence。

Gemini、Grok、Brave 可能都找到同一篇 Reuters，因此：

ProviderDiversity\not\Rightarrow SourceIndependence

Evidence Runtime 仍需 origin resolution。

21. Cost / Quota-Aware Routing

Provider Utility：

U(P)=w_qQ+w_fF+w_aA-w_cC-w_lL-w_rR

其中：

$Q$ ：expected quality；
$F$ ：freshness；
$A$ ：authority / appropriateness；
$C$ ：cost；
$L$ ：latency；
$R$ ：risk。

Quota：

q_j(t)

是 Provider State，不是 Search Method property。

22. Provider Failure 與 Method Portability

如果：

quota exhausted
policy stale
API outage
credential unavailable

Planner 可以重新 binding。

因此：

ProviderDown\not\Rightarrow MethodUnavailable

只要還有其他 binding。

23. Domain Methods 與 Core Methods

Method Space 可以分成：

\mathcal M= \mathcal M_{\text{core}} \cup \mathcal M_{\text{domain}}

例如：

lexical_search
semantic_search
identity_search

是 core。

patent.family_resolve
patent.classification_search

是 domain-specific。

24. Omphalos / AUSI 的正式表述

本文正式建議：

Omphalos is the codename of the reference implementation and research program; AUSI Runtime is the technical architecture.

中文：

Omphalos 是研究／實作代號；AUSI Runtime 是技術架構名稱。

25. Repository 與 Package Identity

歷史 repository：

ai-web-research

已不足以完整表達系統。

較合理的新 repository name 候選：

omphalos
omphalos-runtime
omphalos-search
omphalos-ausi

其中最乾淨的是：

omphalos

但 Python package ai_web_research 已承載大量既有 imports，因此 repo rebrand 與 package rename 不必同步。

26. 遷移策略

Phase R1：

README → Omphalos-first
pyproject description → AUSI-first
project identity constants
provider taxonomy

Phase R2：

repository rename → omphalos

Phase R3：

視需要提供：

omphalos

Python facade package，而不是 Big-Bang rename。

27. Provider Taxonomy Contract

新的 provider taxonomy：

MODEL_NATIVE
PROVIDER_NEUTRAL
DOMAIN_SPECIFIC
LOCAL_PRIVATE

這是 execution topology，不是品質 ranking。

同一 Provider 也可以有不同 surfaces；Provider class 不應改變 Method semantics。

28. Search Method Corpus 的工程方向

未來可加入：

methods/corpus/
    exact_search
    boolean_search
    citation_search
    berrypicking
    systematic_search
    counter_evidence
    classification
    graph
    temporal
    multilingual

每個 method corpus entry 可以先作文獻／方法描述，再視成熟度升成 executable SearchMethodSpec。

29. 自動吸收新搜尋法

未來可以研究：

AI 能否閱讀一個新的搜尋方法論，產生 candidate SearchMethodSpec？

但不能直接 auto-promote。

流程：

discover
extract
formalize
test
review
register

30. Research Hypotheses

O.1 — Method Primacy Hypothesis

Method-aware Planner 應比 provider-first router 更容易跨 provider 遷移。

O.2 — Provider Replaceability Hypothesis

Provider pricing/quota/availability 改變時，typed Method/Binding architecture 應降低 planning rewrite 成本。

O.3 — Method Coverage Hypothesis

Method Coverage 應比單純 Provider Coverage 更能發現搜尋 blind spot。

O.4 — Model-Native vs Neutral Complementarity Hypothesis

Model-native search 與 provider-neutral search 在 query planning、control、auditability 與 cost 上應存在可測量差異。

O.5 — Search Method Corpus Hypothesis

把專業搜尋方法明確註冊成 operators，應提高 AI 在 unfamiliar domain 中的策略多樣性與可審計性。

31. Benchmark

可建立：

same task
same evidence criteria
different provider topology

比較：

Gemini-native
Grok-native
Brave-neutral
hybrid

Metrics：

\text{Verified Evidence Yield}

\text{Method Coverage}

\text{Provider Coverage}

\text{Independent Source Coverage}

\text{Gap Reduction}

\text{Cost}

\text{Latency}

\text{Provider Substitution Success}

32. 結論

Omphalos 的重新定位可以濃縮成一句：

Omphalos 不是多搜尋 API 聚合器，而是一個 AI 原生搜尋方法 Runtime。

它的核心不是 Google、Grok、Brave、EPO，而是：

Search Methods

模型、搜尋引擎、資料庫、API、Crawler 與本地資料只是：

\boxed{\operatorname{ExecutionChannels}(M)}

完整架構：

\boxed{ \text{Task} \rightarrow \text{Search Strategy} \rightarrow \text{Search Method} \rightarrow \text{Provider Binding} \rightarrow \text{Authorized Execution} \rightarrow \text{Evidence} \rightarrow \text{Gap} \rightarrow \text{Replan} \rightarrow \text{Receipt} \rightarrow \text{Learning} }

Crawler 沒有被否定，它只是從「專案本身」回到其中一個 execution capability。

同樣地，今天新增 Grok、Gemini、Brave、EPO，也不會再次改變 Omphalos 的核心身份。

因為：

\boxed{ \text{Method Stable} \quad \text{Provider Replaceable} \quad \text{API Disposable} }

真正需要長期累積的是：

AI 對搜尋方法空間的理解、組合與使用能力。

這就是 Omphalos。

References

[1] Bates, M. J. (1989). The Design of Browsing and Berrypicking Techniques for the Online Search Interface. Online Review, 13(5), 407–424.

[2] Marchionini, G. (2006). Exploratory Search: From Finding to Understanding. Communications of the ACM, 49(4), 41–46.

[3] Rethlefsen, M. L., Kirtley, S., Waffenschmidt, S., et al. (2021). PRISMA-S: an Extension to the PRISMA Statement for Reporting Literature Searches in Systematic Reviews. Systematic Reviews, 10, 39.

[4] Google AI for Developers. Grounding with Google Search — Gemini API. Current documentation accessed 2026-09-02.

[5] xAI. Web Search — xAI API Tools. Current documentation accessed 2026-09-02.

[6] xAI. X Search — xAI API Tools. Current documentation accessed 2026-09-02.

[7] xAI. Tools Overview. Current documentation accessed 2026-09-02.

[8] Brave Search API. Web Search API / Authentication / LLM Context. Current documentation accessed 2026-09-02.

[9] European Patent Office. Open Patent Services (OPS). Current documentation accessed 2026-09-02.

[10] European Patent Office. OPS RESTful Web Services Reference Guide v3.2. Version 1.3.20.

[11] Thorne, J., Vlachos, A., Christodoulopoulos, C., & Mittal, A. (2018). FEVER: a Large-scale Dataset for Fact Extraction and VERification. NAACL-HLT 2018.

[12] Moreau, L., Missier, P., et al. (2013). PROV-DM: The PROV Data Model. W3C Recommendation.

Canonical Project Identity

Codename:
    Omphalos

Technical architecture:
    AUSI Runtime
    AI-Native Unified Search Intelligence Runtime

Core identity:
    AI-native Search Method Runtime

Legacy repository name:
    ai-web-research

Recommended public one-line description:

Omphalos / AUSI Runtime — an AI-native search-method runtime that lets AI select, compose, execute, verify, and learn search strategies across replaceable models, search engines, APIs, databases, crawlers, and local corpora.

從搜尋 API 到 AI 原生搜尋方法 Runtime：搜尋方法空間、可替換執行管道與自主方法組合

Omphalos Position Paper v0.1

從搜尋 API 到 AI 原生搜尋方法 Runtime：搜尋方法空間、可替換執行管道與自主方法組合

摘要

1. 為什麼需要重新定位

2. 名稱分層

2.1 Omphalos

2.2 AUSI Runtime

2.3 ai-web-research

3. API-Centric 思維的限制

4. Search-Method Primacy Principle

5. 五層分離

6. 四類 Provider

6.1 Model-Native Search Provider

Gemini / Google Search

Grok / Web Search

Grok / X Search

6.2 Provider-Neutral Search Infrastructure

6.3 Domain-Specific Knowledge Provider

6.4 Local / Private Provider

7. Search Method Space

8. Search Method Corpus

9. Berrypicking、Exploratory Search 與 Systematic Search

10. Search-Method Coverage

11. Search Strategy

12. Provider Replaceability Principle

13. ProviderState

14. Dynamic Routing

15. Model 的多重角色

16. Search Result 與 Evidence

17. Search Receipt 與 Search Strategy Memory

18. Omphalos Control Loop

19. Omphalos 不是什麼

20. Method Coverage 與 Execution-Channel Diversity

21. Cost / Quota-Aware Routing

22. Provider Failure 與 Method Portability

23. Domain Methods 與 Core Methods

24. Omphalos / AUSI 的正式表述

25. Repository 與 Package Identity

26. 遷移策略

27. Provider Taxonomy Contract

28. Search Method Corpus 的工程方向

29. 自動吸收新搜尋法

30. Research Hypotheses

O.1 — Method Primacy Hypothesis

O.2 — Provider Replaceability Hypothesis

O.3 — Method Coverage Hypothesis

O.4 — Model-Native vs Neutral Complementarity Hypothesis

O.5 — Search Method Corpus Hypothesis

31. Benchmark

32. 結論

References

Canonical Project Identity

2.3 `ai-web-research`