Infomesh

InfoMesh

面向大模型的完全去中心化 P2P 搜索引擎
无需信用卡。无需托管 API 密钥。无需按查询付费。

快速开始 • InfoMesh 的优势 • 功能 • 新功能 • 架构 • 安全 • 积分 • 参与贡献 • 文档

---

提示

P2P 引导节点配置 InfoMesh 目前内置了一个位于 Azure 美国东部的引导节点。安装可选的 p2p 依赖项后，节点会在启动时尝试连接；但不保证节点始终可用或能够访问。要手动添加更多对等节点：

infomesh peer add /ip4/<IP>/tcp/4001/p2p/<PEER_ID>
infomesh peer test

---

💡 为什么选择 InfoMesh？

问题所在

每个 AI 助手都需要实时访问网络，但这种访问受限于昂贵的专有搜索 API：

类型	典型成本	局限性
LLM 内置网络搜索	隐藏在令牌成本中	绑定到单一供应商的 API，无法独立使用
自定义搜索 API	约 $3–5 / 1,000 次查询	需要 API 密钥和计费账户，且有速率限制
AI 搜索 SaaS	约 $0.01–0.05 / 次查询	依赖 SaaS，且有月度使用上限
搜索抓取代理	约 $50+/月	不稳定，上游变更时容易失效
InfoMesh	软件和查询费用为 $0	需自行提供硬件和网络连接；抓取和资源限制仍适用

这为独立 AI 开发者、开源助手和研究人员筑起了付费墙。小型项目和本地大模型根本负担不起实时网络搜索。

以上价格仅为示例，并非供应商当前报价。实际价格、免费套餐、日志政策和限制因供应商及部署方式而异。

解决方案

我开始构建 AI Agent 后，很快就遇到了瓶颈：没有免费的网络搜索 API。 每家供应商都要求提供信用卡、计费账户或月度订阅——只是为了让 AI Agent 能在网上查找信息。这让我觉得不合理。

于是我构建了 InfoMesh——一个去中心化搜索引擎，由社区共同构成基础设施：

• 没有中央服务器——每位参与者既是爬虫，也是搜索节点。
• 没有单次查询费用——贡献抓取工作即可赚取搜索额度。贡献越多，可搜索的内容就越多。
• 没有供应商锁定——采用标准 MCP 协议集成，可与本地索引离线协作。
• 不集中收集查询——仅在本地执行的查询会留在你的节点上；分布式搜索会将查询发送给参与的对等节点。本地诊断信息可能包含查询文本。

InfoMesh 并不与现有商业搜索供应商竞争。这些公司通过广告变现，为大规模的人类搜索提供服务。InfoMesh 则通过 MCP 免费为 AI 助手提供精简且够用的搜索能力，让所有人都能实时访问网络，而无需按查询付费。

我只是想让我的 AI Agent 搜索网络，而不必掏钱。如果你也有同感，InfoMesh 就是为你打造的。

🆓 免费。支持所有使用方式。毫无例外。

使用方式	费用	示例
MCP（AI 助手）	免费	Claude、VS Code Copilot，以及任何 MCP 客户端调用 search()——无需支付 API 费用
CLI（终端）	免费	uv run infomesh search "python asyncio"——返回本地结果和可用对等节点；延迟取决于工作负载
Python package（代码）	免费	from infomesh.index.local_store import LocalStore——在你的应用中嵌入搜索功能
Local API（HTTP）	免费	curl localhost:8080/search?q=...——本地管理 API 运行时提供 REST 端点

无需托管 API 密钥或计费账户。运营者可以启用 API 密钥身份验证；抓取速率、额度核算和资源限制仍然适用。没有与金额支付挂钩的速率限制。 运行一个节点，为网络贡献力量，搜索就永远免费。

---

InfoMesh 与其他 Web 搜索 MCP 服务的对比

正在寻找免费的 Web 搜索 MCP 服务？以下是 InfoMesh 与常见替代方案的对比：

功能	InfoMesh	基于 API 的 MCP 服务	基于爬虫的 MCP 服务	元搜索引擎
免费额度	不按查询计费；但受信用额度／资源限制	有限（通常每月 1,000–2,000 次）	不限量（无需 API）	不限量
API 密钥	可选，由运营方配置身份验证	✅ 必需（需要注册）	❌ 不需要	❌ 不需要
去中心化	✅ 完全 P2P	❌ 中心化	❌ 中心化	❌ 单一实例
离线搜索	✅ 本地索引可离线使用	❌	❌	❌
隐私	仅本地查询会保留在本地；分布式查询会联系对等节点	⚠️ 服务提供方会记录查询	不一	✅ 可自托管
可自托管	✅ 一切由你掌控	❌	❌	✅ 需要 Docker
抓取自己的 URL	✅ crawl_url() 工具	❌	❌	❌
获取完整页面	✅ fetch_page() 工具	不一	❌	❌
安装	pip install infomesh	不一	不一	Docker Compose
开源	✅ MIT	不一	不一	不一

InfoMesh 将去中心化的对等搜索、离线本地搜索、无需必备的托管 API 密钥，以及抓取／索引自有内容的能力结合在一起，且不按查询计费。

---

🔐 安全设计 — 为你的节点提供分层防护

大多数搜索引擎要求你信任它们。InfoMesh 则要求你信任数学。

InfoMesh 没有集中式查询收集服务。仅本地搜索会保留在你的设备上；分布式搜索会将查询发送给对等节点，而参与网络可能会发布或复制已索引的内容。 本地会话、分析数据和诊断日志可能会保留信息，因此自托管并不保证查询绝不会被保留。

为网络做贡献 → 赚取积分 → 无需按查询付费即可搜索，但仍受资源和抓取限制。

就是这么简单。没有隐藏条件。

InfoMesh 如何分层构建安全性

🔑	Ed25519 加密身份	节点使用 Ed25519 密钥。签名的 v2 交换会将签名者绑定到 libp2p 对等节点身份；旧版 v1 兼容流量不属于经过身份验证的 v2 流量。信用记录签名是可选的。可通过 infomesh keys rotate 轮换密钥；请保护私钥，并区分应用密钥与传输身份。
🔏	签名内容证明	已发布的来源证明会将 SHA-256(raw_response) 和 SHA-256(extracted_text) 绑定到签名身份。验证可以检测签名证据是否发生变化；但无法证明来源页面内容属实。仅限本地的爬取不能保证内容会发布到网络。
🌳	Merkle 树完整性	Merkle 成员资格证明可根据特定根验证文档哈希。证据被篡改后，将无法通过针对该根的验证；有效证明不能证明来源内容属实，也不能保证每个对等节点都存储了完整索引。
🔍	随机审计	副本／来源审计维护约每小时运行一次，具体取决于可用对等节点和证据。副本损坏可能导致信任验证失败；网页内容发生变化的情况无法判定，不能据此自动认定存在作弊。连续 3 次审计失败被记录后，将触发隔离。
🛡️	Sybil 攻击防御	本地工作量证明生成和子网接入限制会提高参与成本。生成时间取决于硬件和随机性；这些机制不能保证阻止批量创建身份。默认的子网限制为每个 /24 接入分桶 3 个节点。
🌐	日蚀攻击防御	引导发现、对等节点交换和子网限制有助于提高连接多样性。至少有 3 个可独立访问的引导对等节点是部署目标，并非捆绑保证：当前节点列表中只有一个对等节点。这些防御措施无法消除日蚀攻击。
🚫	DHT 投毒防御	每个关键词的发布限制（每个节点每小时 10 次）、新发布内容签名和内容哈希检查可限制流入内容。旧版无签名读取提示仍未经验证；有效签名也不能证明内容属实。
🔒	加密传输	libp2p Noise 传输会保护传输中的对等节点流量。接收方仍会处理查询文本和结果；传输加密不等于匿名，也无法防范遭到入侵的端点。
🕵️	不集中记录查询日志	DHT 发现会使用关键词密钥，但对等节点搜索请求包含原始查询。本地会话和诊断信息可能保留查询内容，而远程对等节点是否记录日志不受你控制。如果查询不得发送给对等节点，请使用仅限本地的搜索。
🧮	信用证明验证	使用签名密钥记录的条目可纳入可验证的 Merkle 证明；无签名条目不具备此保证。农场式刷取检测和 24 小时观察期政策有助于识别滥用行为，但无法确保自我报告的贡献绝对可靠。

统一信任评分

每个对等节点都会根据行为而非身份，持续更新信任评分：

Trust = 0.15 × uptime  +  0.25 × contribution  +  0.40 × audit_pass_rate  +  0.20 × summary_quality

等级	评分	处理方式
🟢 可信	≥ 0.8	最高信任等级；搜索成本由贡献等级单独决定
🔵 正常	0.5 – 0.8	标准运行
🟡 可疑	0.3 – 0.5	低信任等级；检查审计证据和隔离状态
🔴 不可信	< 0.3	连续失败 3 次后隔离出网络

内置合规机制

法规	InfoMesh 的处理方式
robots.txt	严格执行，绝不例外，并自动加入屏蔽列表
DMCA	通过经过授权的签名通知执行持久排除，并由对等节点中继；对于无法连接的对等节点，不保证送达期限
GDPR	分布式删除记录，支持被遗忘权
版权	仅将全文作为缓存存储；搜索结果会返回带有出处信息的摘要

**总而言之：**InfoMesh 通过密码学、审计和贡献激励，减少对中心化提供方的依赖。仅本地搜索会将查询保留在本地；对等节点搜索和发布会与其他节点共享数据。没有按查询收费，但仍存在运行限制和信任假设。

---

🚀 快速开始

安装并运行（两步完成，无需 Git）

你只需要一个 Linux 终端（Ubuntu、Debian 等）。 无需 Python 或开发经验。

第 1 步 — 安装 uv（Python 包管理器，一次性设置）：

curl -LsSf https://astral.sh/uv/install.sh | sh

完成后，关闭并重新打开终端（或运行 source ~/.bashrc）。 这样可以确保 uv 和 uvx 命令可用。

第 2 步 — 运行 InfoMesh：

uvx infomesh status

uvx 会自动下载并运行 InfoMesh，无需 git clone、无需 pip install，也无需手动管理虚拟环境。InfoMesh 需要 Python 3.12+。 首次运行时会下载依赖项；后续运行会复用缓存的工具环境。

试用

# Crawl a webpage and index it
uvx infomesh crawl https://docs.python.org/3/library/asyncio.html --depth 0

# Search locally, and peers when P2P dependencies are available
uvx infomesh search "asyncio"

# View the node dashboard (works over SSH too)
uvx infomesh dashboard --text

--depth 0 将此示例限制为一个页面；省略该参数时，会根据抓取配置跟随链接（默认深度不受限制）。基础包不包含 P2P。安装原生依赖项后，可使用 uvx --from 'infomesh[p2p]' infomesh search "asyncio" 进行对等节点搜索。空的本地索引必须先成功抓取或导入内容，才能返回本地结果。

永久安装（可选）

如果你经常使用 InfoMesh，可以将其安装为持久工具，这样就不需要 uvx 前缀：

uv tool install infomesh

# Now run directly:
infomesh status
infomesh crawl https://example.com
infomesh search "example"
infomesh dashboard --text

连接到 AI 助手（MCP）

将 InfoMesh 添加为 VS Code (Copilot)、Claude Desktop、Cursor 或 Windsurf 中的 MCP 服务 — 默认无需托管 API 密钥。运营者可以通过 INFOMESH_API_KEY 启用身份验证。

Claude Desktop / Cursor / Windsurf 使用以下 mcpServers 格式：

{
  "mcpServers": {
    "infomesh": {
      "command": "uvx",
      "args": ["infomesh", "mcp"]
    }
  }
}

VS Code (Copilot) 则在 .vscode/mcp.json 中使用 servers 作为根键：

{
  "servers": {
    "infomesh": {
      "type": "stdio",
      "command": "uvx",
      "args": ["infomesh", "mcp"]
    }
  }
}

现在，你的 AI 助手可以通过 MCP 抓取和搜索本地索引，无需按查询付费。要启用对等节点搜索，请准备好 P2P 依赖项，并将 args 替换为 ["--from", "infomesh[p2p]", "infomesh", "mcp"]。以上基础示例不会安装 P2P 依赖项。

从源代码运行（贡献者 / 开发者）

如果你想贡献代码或从源代码运行：

系统依赖项

P2P 可选依赖项（libp2p）包含 C 扩展（fastecdsa、coincurve、pynacl），可能需要原生构建工具。安装 P2P 时（例如使用 uv tool install 'infomesh[p2p]'）以及安装仓库的开发依赖项时都需要这些工具；开发依赖项同样包含 libp2p。

Linux（Debian / Ubuntu）：

sudo apt-get update && sudo apt-get install -y build-essential python3-dev libgmp-dev

macOS：

brew install gmp
# Xcode Command Line Tools must also be installed

**Windows：**使用 WSL2（推荐），或安装 Visual Studio Build Tools + GMP。

**注意：**基础包（uv tool install infomesh，或从源代码运行 uv sync --no-dev）不需要 P2P 构建依赖项。普通的 uv sync 默认会包含 dev 组，因此此仓库的常规贡献者环境确实需要这些依赖项。

克隆并运行

# Clone and install with dev dependencies
git clone https://github.com/dotnetpower/infomesh.git
cd infomesh
uv sync

# Start InfoMesh with the TUI dashboard
uv run infomesh start

# Or run headless (servers / CI)
uv run infomesh start --no-dashboard

Docker

docker build -t infomesh .
docker run -d --name infomesh \
  -p 4001:4001 -p 8080:8080 \
  -v infomesh-data:/data \
  infomesh

验证是否正常运行

# Search your local index and peers
uvx infomesh search "python asyncio tutorial"

# Check node status
uvx infomesh status

# Crawl a specific URL on demand
uvx infomesh crawl https://docs.python.org/3/

# Export your index as a portable snapshot
uvx infomesh index export backup.zst

示例

examples/ 目录中提供了可直接运行的 Python 脚本：

# Local search
uv run python examples/basic_search.py "python tutorial"

# Crawl → index → search pipeline
uv run python examples/crawl_and_search.py https://docs.python.org/3/

# Programmatic MCP client
uv run python examples/mcp_client.py "async programming"

完整列表请参阅 examples/README.md。

---

✨ 功能

核心能力

功能	描述
🌐 完全去中心化	无中心服务器。每个节点既是枢纽，也是参与者——采用合作式以牙还牙架构
🤖 LLM 优先设计	通过 MCP 提供纯文本 API，针对 AI 使用进行了优化。无需浏览器 UI
🔍 双重搜索	关键词搜索（SQLite FTS5 + BM25）和可选的语义向量搜索（ChromaDB）
🕷️ 智能爬虫	异步爬取，遵循 robots.txt 规范，设置礼貌延迟，并进行三层去重
📡 P2P 网络	基于 libp2p，采用 Kademlia DHT、mDNS 本地发现和加密传输
💾 支持离线使用	本地索引无需互联网即可工作——随时搜索已爬取的知识
🏆 积分激励	通过爬取内容并为对等节点提供服务来赚取积分。贡献越多，搜索配额越高
🔐 内容完整性	SHA-256 内容哈希、Ed25519 来源证明、随机审计和 Merkle 证明支持
🤏 zstd 压缩	存储的文档内容和索引快照使用 zstandard；P2P 分帧并非全部压缩
📊 控制台仪表板	美观的 Textual TUI，包含 6 个标签页：概览、爬取、搜索、网络、积分、设置
🌏 CJK 搜索	原生中文／日文／韩文分词，并支持二元／三元组扩展
📡 RSS 监控	可选启用 RSS/Atom 源轮询，并按优先级调度（crawl.rss_enabled）
🖥️ JS 渲染	可选使用 Playwright 处理 SPA/React 页面（无头 Chromium）
📈 隐式反馈	LLM 原生质量信号（获取／跳过／引用），用于改进排序
🩺 诊断	infomesh doctor 检查运行状况；infomesh bench 测量性能
🔌 插件系统	基于钩子的可扩展 API，可自定义爬虫、排序器和分词器
🌐 Web 仪表板	基于浏览器的仪表板，位于 localhost:8080/dashboard，包含 5 个标签页

MCP 集成——为 AI 助手提供免费网页搜索

大多数商业搜索 API 按查询收费或要求付费订阅。 InfoMesh 提供 5 个整合后的 MCP 工具，不按查询收费——默认无需托管 API 密钥；但仍受运营方配置的身份验证和资源限制约束：

工具	描述
web_search(query, ...)	统一搜索——P2P + 本地、RAG、解释、答案提取。自动检测 CJK
fetch_page(url)	获取 URL 的完整提取文本（缓存或实时获取，最大 100KB）
crawl_url(url, depth, force)	爬取 URL 并加入索引（每小时限 60 次）
fact_check(claim, top_k)	对照已索引来源交叉核验声明
status()	节点状态：索引大小、对等节点、积分、分析数据

为保持向后兼容，仍接受旧版工具名称（search、search_local、network_stats 等）。

在 VS Code / Copilot / Claude Desktop / Cursor 中配置

此示例适用于 Claude Desktop 和 Cursor。VS Code / Copilot 需要使用 连接到你的 AI 助手 中展示的 servers 格式。这些基础软件包示例使用本地索引；同一章节还说明了如何启用 P2P。

{
  "mcpServers": {
    "infomesh": {
      "command": "uvx",
      "args": ["infomesh", "mcp"]
    }
  }
}

可选附加组件

# Vector search with ChromaDB + sentence-transformers
pip install 'infomesh[vector]'

# Local LLM summarization via Ollama
pip install 'infomesh[llm]'

# JavaScript rendering for SPA pages (Playwright)
pip install 'infomesh[browser]'

# Chinese/Japanese/Korean tokenization (jieba)
pip install 'infomesh[cjk]'

# Everything
pip install 'infomesh[all]'

这些命令会安装依赖项，但不会安装所有运行时前置条件。还必须启用／配置向量搜索、本地 LLM 和 JS 渲染；JS 渲染需要 Playwright 浏览器二进制文件，本地摘要生成则需要可用的模型／运行时。

CLI 命令

infomesh start                  # Start node (auto-prompts starter index download)
infomesh start --background     # Headless mode (no dashboard)
infomesh start --role crawler   # DMZ crawler-only node
infomesh search "query"         # Search local index + peers
infomesh search --local "query" # Search local index only
infomesh crawl https://...      # Crawl a URL
infomesh dashboard              # Interactive TUI dashboard
infomesh doctor                 # System diagnostics (10 checks)
infomesh bench                  # Performance benchmarks
infomesh feedback stats         # Implicit search quality signals
infomesh feedback top-urls      # Highest-quality URLs by feedback
infomesh feeds import subs.opml # Import RSS/Atom feeds from OPML
infomesh index import --starter # Download community starter index
infomesh mcp                    # Start MCP server (stdio)
infomesh mcp --http --port 8081 # Start MCP server (HTTP)

---

🆕 v0.2.0 新特性

CHANGELOG.md 中记录的 v0.2.0 功能里程碑涵盖了搜索智能、RAG 支持、安全性、可观测性和开发者体验方面的 100 多项功能。此历史里程碑标签并非当前软件包版本：此代码检出版本声明为 0.1.15。以下亮点包含可选能力和库工具，并不保证每种运行时路径都会启用所有功能：

搜索智能

功能	描述
🧠 NLP 查询处理	停用词移除（9 种语言）、同义词扩展、自然语言解析
✏️ 是否要找	未找到结果时，根据编辑距离进行拼写纠正
📊 搜索分类	按查询统计域名、语言和日期范围的分类数量
🎯 结果聚类	按域名对结果分组，方便浏览
🔦 摘要高亮	在结果摘要中高亮显示查询词
🧹 智能去重	基于 Jaccard 相似度移除近似重复项
🔍 搜索解释	透明展示每个结果的分数明细

RAG 与答案提取

功能	描述
📚 RAG 输出	提供分块且注明来源的上下文窗口，供大模型使用
💡 答案提取	提供直接答案、置信度分数和来源 URL
✅ 事实核查	对照多个已索引来源交叉验证声明
🏷️ 实体提取	识别人物、组织、URL 和电子邮件地址
🛡️ 毒性过滤	对搜索结果进行内容安全评分

爬虫增强

功能	描述
📄 PDF 提取	从爬取的 PDF 文档中提取文本
🏗️ 结构化数据	解析 JSON-LD、OpenGraph 和 meta 标签
🌍 语言检测	基于文字系统和词频进行检测（9 种语言）
📡 RSS/Atom 订阅源	自动发现并解析订阅源
📝 内容差异对比	检测不同爬取版本之间的变化
💻 代码块	提取 <pre><code>，并检测语言
📊 表格提取	将 HTML 表格转换为结构化数据（CSV/dict）

安全与 API

功能	描述
🔑 API 密钥管理	创建、验证、撤销和轮换密钥
👥 基于角色的访问控制	Admin/Reader/Crawler 权限矩阵
📋 审计日志记录	基于 SQLite 的审计日志记录工具；覆盖范围取决于已启用的调用路径
🔒 Webhook 签名	使用 HMAC-SHA256 验证负载
📊 Prometheus 指标	用于监控的 /metrics 端点
📖 OpenAPI 规范	在 /openapi-spec 自动生成 OpenAPI 3.1 规范

开发者体验

功能	描述
🐍 Python SDK	InfoMeshClient，支持同步/异步搜索、爬取和建议
🔌 插件系统	通过生命周期钩子注册自定义插件
🦜 LangChain	InfoMeshRetriever 集成
🦙 LlamaIndex	InfoMeshReader 集成
🏗️ Haystack	InfoMeshDocumentStore 集成
⎈ Helm Chart	可配置资源的 Kubernetes 部署
🐳 Docker Compose	带卷的多容器配置

完整变更列表请参阅 CHANGELOG.md。

---

🏗️ 架构

### 技术栈

层级	技术	原因
语言	Python 3.12+	现代异步支持、类型提示、match/case、StrEnum
P2P 网络	libp2p (py-libp2p)	经实践验证的 P2P 技术栈，包含 Kademlia DHT 和 Noise 加密
DHT	Kademlia	基于 XOR 距离的路由；当前的 py-libp2p 后端会使用 256 位 SHA-256 对路由键进行规范化
爬取	httpx + trafilatura	出色的异步 HTTP 支持和高准确度的内容提取
关键词搜索	SQLite FTS5	无需安装、嵌入式，开箱即用地支持 BM25
向量搜索	ChromaDB（可选）	使用 all-MiniLM-L6-v2 进行语义／嵌入搜索
MCP 服务	mcp-python-sdk	用于大模型工具集成的标准协议
管理 API	FastAPI	本地健康状况、状态和配置端点
序列化	msgpack	二进制消息编码；相较于 JSON 的速度和体积取决于负载
压缩	zstandard	可调节压缩级别，并为相似文档提供字典模式
仪表板	Textual	功能丰富的 TUI，包含标签页、迷你图、均衡器可视化和背景音乐
本地大模型	ollama / llama.cpp	在节点上进行摘要（Qwen 2.5、Llama 3.x、Gemma 3）
日志记录	structlog	结构化、可由机器解析的日志
打包	uv	Python 依赖项、环境和构建管理；提速效果取决于工作负载

搜索流程（目标延迟：约 1 秒）

---

🔒 安全与信任

InfoMesh 的设计基于零信任假设——每个对等节点都可能具有恶意。系统提供多层防护：

内容完整性

机制	描述
内容证明	发布的来源证明会将 SHA-256(raw_response) + SHA-256(extracted_text) 绑定到签名身份；仅在本地进行爬取并不保证会发布
Merkle 树	提供全索引完整性证明和成员资格验证——任何人都可以审计任意文档是否被纳入
随机审计	大约每小时进行一次副本／来源检查，具体取决于对等节点是否可用；副本损坏可能导致信任度受罚，而来源内容发生变化则无法据此得出结论
P2P 信用验证	使用签名密钥记录的条目可提供 Merkle 证明；未签名条目不包含在已签名证明中

网络安全

威胁	防御措施
女巫攻击	本地工作量证明生成（耗时取决于硬件）+ 每个 /24 准入分桶默认最多允许 3 个节点；无法保证抵御大规模身份伪造
日蚀攻击	引导节点发现 + 子网限制 + 对等节点刷新；至少有 3 个可独立连接的对等节点是部署目标，并非当前捆绑配置中的默认值
DHT 投毒	每个关键词的发布速率限制（每个节点每小时 10 次）+ 带签名的发布 + 内容哈希验证
信用刷取	新节点需经过 24 小时试用期 + 统计异常检测 + 原始 HTTP 哈希审计
中间人攻击	所有 P2P 传输均通过 libp2p Noise 协议加密

密钥管理

• Ed25519 密钥对存储在 ~/.infomesh/keys/
• 密钥轮换：infomesh keys rotate — 轮换应用签名密钥，并在本地保存双重签名的撤销记录；不会轮换独立的 libp2p 传输密钥
• 对等节点身份：libp2p 传输使用由其自身公钥派生的对等节点 ID；应用签名密钥标识符是独立的身份

**当前传播限制：**轮换操作会写入 .bin 记录，而启动发布器会扫描 .json 文件。在修正此集成不匹配问题之前，请勿依赖此命令自动通过 DHT 传播撤销信息。

统一信任评分

每个对等节点都有一个持续更新的信任评分：

Trust = 0.15 × uptime  +  0.25 × contribution  +  0.40 × audit_pass_rate  +  0.20 × summary_quality

层级	评分	处理方式
可信	≥ 0.8	最高信任等级；搜索成本取决于独立的贡献等级
普通	0.5 – 0.8	标准运行
可疑	0.3 – 0.5	低信任等级；检查审计证据和隔离状态
不可信	< 0.3	连续审计失败 3 次后隔离出网络

---

🏢 企业就绪能力

InfoMesh 包含面向生产部署的功能，但当前软件包被归类为 Alpha。生产环境使用前，请验证您的环境并查看运行时符合性限制：

分离式部署（DMZ / 私有网络）

企业环境可以将爬虫与索引器部署在不同网络区域：

┌─────────── DMZ ──────────────┐       ┌──────── Private Network ────────┐
│                              │       │                                 │
│  infomesh start --role crawler ───────▶  infomesh start --role search │
│  (crawls the public web)     │  P2P  │  (indexes + serves queries)    │
│                              │ auth  │                                 │
│  infomesh start --role crawler ───────▶  infomesh start --role search │
│                              │       │                                 │
└──────────────────────────────┘       └─────────────────────────────────┘

三种节点角色：

角色	组件	用例
full（默认）	爬虫 + 索引器 + 搜索	单节点或简单部署
crawler	仅爬虫，将页面转发给索引器	可访问互联网的 DMZ 节点
search	仅索引器 + 搜索，接受提交	私有网络，无需互联网连接

配置示例（~/.infomesh/config.toml）：

# DMZ Crawler node
[node]
role = "crawler"
listen_address = "0.0.0.0"

[network]
index_submit_peers = ["/ip4/10.0.0.1/tcp/4001/p2p/<INDEXER_1_PEER_ID>", "/ip4/10.0.0.2/tcp/4001/p2p/<INDEXER_2_PEER_ID>"]

# Private Search/Index node
[node]
role = "search"
listen_address = "10.0.0.1"

[network]
peer_acl = ["<CRAWLER_1_PEER_ID>", "<CRAWLER_2_PEER_ID>"]

将每个占位符替换为对应节点的实际 libp2p 对等节点 ID。索引提交需要完整的对等节点多地址和经过身份验证的 v2 确认；不支持裸 IP/TCP 地址或旧版 HTTP 目标。

CLI 用法：

# Start as DMZ crawler
infomesh start --role crawler --seeds tech-docs

# Start as private indexer
infomesh start --role search --no-dashboard

运维

• 资源调控器 — CPU/内存阈值、I/O 优先级和带宽控制，提供 4 种预设配置（minimal、balanced、contributor、dedicated）。动态限流会根据采样的系统负载和进程 RSS 做出响应；这并非严格的内存上限，也不能保证避免操作系统的 OOM-killer
• 长时间运行韧性 — StartupLock + PID 命令行验证可防止同一数据目录启动多个节点进程；infomesh stop 会发送 SIGTERM，并等待进程正常关闭后再清除 PID 文件
• 运行时心跳 — 长时间运行的 _serve 工作进程每 10 s 写入一次 runtime_status.json；管理 API 通过 /health?detail=1、/status 和 /metrics 提供最新心跳、降级级别、限流系数和进程内存信息
• 启动前检查 — 启动前验证磁盘空间和网络连接
• 负载保护 — 限制 QPM（每分钟查询数）和并发数，防止节点过载
• WAL 模式 SQLite — 仪表板刷新期间支持安全并发读取，不会锁定爬取写入
• 结构化日志 — 所有库代码均使用 structlog 输出机器可解析的日志
• Docker 支持 — 提供带持久化数据卷挂载的 Dockerfile；生产就绪仍需针对具体部署进行验证

可配置

• TOML 配置（~/.infomesh/config.toml），支持环境变量覆盖（INFOMESH_CRAWL_MAX_CONCURRENT=20）
• 值验证 — 对选定的配置值进行验证或限制，并给出结构化警告；验证针对特定字段，并不保证涵盖所有值
• 仪表板设置 — 可通过 TUI 设置选项卡编辑常用设置；高级字段仍需通过配置文件或 CLI 修改
• 能耗感知调度 — 优先在配置的非高峰时段安排 LLM 密集型任务（1.5× 积分倍率）

合规性

• 严格执行 robots.txt — 遵守所有爬取指令
• DMCA 下架 — 经授权的签名通知会持久记录排除项和转发义务；无法保证在 24 小时内送达不可访问的对等节点
• GDPR — 为个人数据提供分布式删除记录；支持被遗忘权
• 内容归属 — AI 生成的摘要会标注 content_hash + 来源 URL
• 付费墙检测 — fetch_page() 会检测并尊重付费墙内容
• 使用条款 — TERMS_OF_USE.md 清晰说明爬虫行为和数据处理方式

规模

• 采用 Kademlia DHT 路由，专为支持数千个节点而设计
• 3 层去重机制可防止索引膨胀（URL 规范化 → SHA-256 精确匹配 → SimHash 近似重复）
• 使用 zstd 压缩快照，实现节点间高效共享索引
• 导入 Common Crawl 数据以引导构建大型索引

---

💰 赚取积分

积分是维持网络健康运行的激励机制。积分按每个节点本地记录——没有区块链，也没有中央账本。

积分如何运作

Credits Earned = Σ (Weight × Quantity × TimeMultiplier)

赚取方式

操作	权重	类别	赚取方式
爬取	1.0 /页	基础	只需运行 InfoMesh — 它会从种子 URL 自动爬取
查询处理	0.5 /查询	基础	其他对等节点通过你的节点路由搜索查询
文档托管	0.1 /小时	基础	被动赚取 — 你索引的文档为网络提供服务
网络在线时间	0.5 /小时	基础	保持节点运行即可
LLM 摘要生成	1.5 /页	LLM	启用本地 LLM，自动为爬取的内容生成摘要
为对等节点提供 LLM 服务	2.0 /请求	LLM	处理其他节点发来的摘要请求
PR — 文档/拼写错误	1,000 /已合并 PR	奖励	修正拼写错误或改进文档
PR — 修复错误	10,000 /已合并 PR	奖励	修复错误并添加测试
PR — 功能	50,000 /已合并 PR	奖励	实现新功能
PR — 重大贡献	100,000 /已合并 PR	奖励	核心架构改进或重大功能

PR 行是账本操作权重，并不能证明会自动获得 GitHub 奖励。只有在账本中记录了相应贡献，已合并的 PR 才会赚取这些积分。

时间倍率

• 基础操作：始终为 1.0×
• 非高峰时段的 LLM 操作（可配置，默认为 23:00–07:00）：1.5×
• 非高峰调度注重能耗 — 网络会优先将批量 LLM 工作路由到当前处于非高峰时段的节点

搜索成本

等级	贡献分数	搜索成本	实际兑换比例
等级 1	< 100	0.100 / 次查询	10 次爬取 → 100 次搜索
等级 2	100 – 999	0.050 / 次查询	10 次爬取 → 200 次搜索
等级 3	≥ 1,000	0.033 / 次查询	10 次爬取 → 约 303 次搜索

公平性保障

• 非大模型参与：每小时 10 次计入奖励的爬取，按 Tier 1 正常费率可覆盖 每小时 100 次搜索（债务费率下为 50 次）；这是积分计算方式，不是吞吐量保证
• 大模型贡献分数设有上限：大模型操作对用于划分等级的有效贡献分数的占比最多为 60%；这不会限制原始账本收益或余额
• 在线奖励：只要保持节点在线，每小时即可获得 0.5 积分，不受硬件影响
• 积分耗尽不会阻止搜索：即使积分为零，账本仍允许按下方规则搜索；资源保护措施仍可能限制请求

💳 零美元债务——无需信用卡，也不涉及真实货币

积分用完后会怎样？你仍然可以继续搜索。

InfoMesh 不会切断你的服务。没有付费墙，没有“请输入信用卡信息”，也没有升级按钮。取而代之的是一条简单、人性化的恢复路径：

阶段	时长	说明
✅ 正常	余额 > 0 时	按正常费用搜索。一切照常。
⏳ 宽限期	余额归零后的前 72 小时	搜索功能与之前完全相同。余额会变成负数，但不会受到惩罚。慢慢来。
📉 债务模式	72 小时后	继续搜索，但费用为 2 倍。债务会累积——旨在激励恢复，而非阻止搜索。
🔄 恢复	随时	只需运行节点。通过爬取、托管或贡献赚取积分。余额重新转正后，就会恢复正常。

Credits ran out
     │
     ▼
┌─────────────────────────────────────┐
│  🟢 Grace Period (72 hours)         │
│  Search works normally.             │
│  Balance goes negative — no penalty.│
└──────────────┬──────────────────────┘
               │ 72h passed, still negative?
               ▼
┌─────────────────────────────────────┐
│  🟡 Debt Mode                       │
│  Search continues at 2× cost.      │
│  Debt accumulates.                  │
└──────────────┬──────────────────────┘
               │ Earn credits → balance > 0
               ▼
┌─────────────────────────────────────┐
│  🟢 Back to Normal                  │
│  Debt cleared. Grace reset.         │
│  Full speed ahead.                  │
└─────────────────────────────────────┘

核心原则：InfoMesh 中的债务以积分而非金钱计算。你可以通过贡献而不是付款来偿还债务。运行节点、爬取一些页面、保持网络运行——债务就会自然消失。

无需信用卡。无需美元。无需订阅。不会弹出“试用已过期”的提示。 只需运行节点，即可恢复正常。

---

🤝 参与贡献

欢迎各种形式的贡献——代码、文档、错误报告、功能创意和种子 URL 列表。

开始贡献

# Clone and install
git clone https://github.com/dotnetpower/infomesh.git
cd infomesh
uv sync --dev --locked

# Run the supported test suite
uv run pytest tests/ --ignore=tests/test_vector.py -x -q --tb=short

# Run linter + formatter
uv run ruff check infomesh/ tests/
uv run ruff format --check .

# Run type checker
uv run mypy infomesh/ --ignore-missing-imports

贡献方式

贡献	难度	影响
🐛 报告错误	简单	高——惠及所有人
📝 改进文档 / 翻译	简单	高——降低入门门槛
🌱 添加种子 URL	简单	中——扩大爬取覆盖范围
🧪 编写测试	中等	高——持续覆盖分布式搜索、爬取和仪表板的回归问题
🔧 修复问题	中等	直接影响
✨ 实现功能	困难	推动项目向前发展
🔐 安全审计	困难	对建立信任至关重要

代码风格

• 格式化工具：ruff format（兼容 black，每行 88 个字符）
• 代码检查工具：ruff，启用 E、F、I、UP、B、SIM 规则
• 类型提示：所有公共函数都必须添加
• 文档字符串：所有公共类和函数都必须添加
• 测试：每个 PR 都应包含新功能的测试
• 库代码中不要使用 print()——请使用 structlog

拉取请求工作流

1. Fork 此代码仓库
2. 创建功能分支：git checkout -b feat/my-feature
3. 编写代码和测试
4. 运行 uv run ruff check infomesh/ tests/、uv run ruff format --check .、uv run mypy infomesh/ --ignore-missing-imports 和 uv run pytest tests/ --ignore=tests/test_vector.py -x -q --tb=short
5. 提交 PR——已合并的贡献在账本中的奖励权重为 1,000 – 100,000 积分；要获得积分，必须记录贡献，仅仅打开或合并 PR 并不足够。

完整指南请参阅 CONTRIBUTING.md。

---

📖 文档

详细文档位于 docs/ 目录中：

文档	描述
概览	项目愿景、原则和使命
架构	系统设计、数据流和组件交互
积分系统	完整的激励机制和公平性分析
技术栈	技术选型及其理由
法律	robots.txt、DMCA、GDPR、合规性
信任与完整性	安全模型和威胁分析
安全审计	漏洞分析和企业级加固
控制台仪表板	TUI 仪表板、选项卡、小组件、快捷键
MCP 集成	MCP 服务设置、IDE 配置指南
发布	PyPI 打包、CI/CD、发布流程

📌 另有**韩语（한국어）**文档。

---

📊 项目统计

2026-09-20 的工作树快照。文件数和行数统计包含 infomesh/ 和 tests/ 下的 Python 文件；源代码模块包含包初始化文件。以下测试结果来自 Python 3.13，不含可选的向量测试套件，并跳过了选择性启用的实时 LLM 检查。

指标	数值
源代码模块	169 个 Python 文件
测试文件	91 个 test_*.py 文件
源代码行数	51,404
测试代码行数	28,478
通过的测试	2,183 个通过，1 个跳过（--ignore=tests/test_vector.py）
MCP 工具	5 个整合工具（支持旧名称）
测试覆盖率	回归测试覆盖；本次运行无法证明代码或运行时路径覆盖率达到 100%
开发阶段	10 个历史里程碑（Phase 0 → 6）；不代表对运行时完全符合要求的保证
Python 版本	3.12+
许可证	MIT

---

🗺️ 路线图

此表记录的是已完成的历史组件里程碑，并不保证所有运行时集成或部署要求均已完成。目前重点是发展社区和加固生产环境；证据和运行限制请参阅运行时符合性记录。

阶段	重点	状态
0	MVP — 单节点爬取 + 索引 + MCP + CLI	✅ 已完成
1	索引共享 — 快照、Common Crawl、向量搜索、SimHash	✅ 已完成
2	P2P 网络 — libp2p、DHT、分布式爬取与索引、Sybil/Eclipse 防御	✅ 已完成
3	质量与激励 — 排名、积分、信任、认证、审计、LLM	✅ 已完成
4	生产环境 — 链接图、LLM 重排序、来源归属、法律合规	✅ 已完成
5A	核心稳定性 — 资源管理器、自动重新爬取、查询缓存、负载保护	✅ 已完成
5B	搜索质量 — 延迟感知路由、Merkle Tree 完整性	✅ 已完成
5C	发布就绪 — Docker、密钥轮换、mDNS、LICENSE、CONTRIBUTING	✅ 已完成
5D	优化 — LLM 声誉、时区验证、仪表板设置、P2P 积分验证	✅ 已完成
6	搜索智能、RAG、安全性、可观测性、SDK、集成、开发者体验	✅ 已完成

接下来

• 🌍 公共引导节点 — 在多个区域扩展由社区维护的种子节点

  当前配置：bootstrap/nodes.json 包含一个 Azure 美国东部节点。启用 P2P 的节点会自动尝试发现引导节点；此列表不保证节点实时可用，防火墙/NAT 可能需要配置。

• 🎭 JS 渲染 — 基于 Playwright 爬取 JS 密集型网站
• 📱 Web 仪表板 — 除 TUI 外可选的浏览器界面
• 🔍 语义搜索融合 — BM25 + 向量混合排名与 RRF
• 🌐 多语言词干提取 — 针对各语言的分词和词干提取

---

⚖️ 法律

• robots.txt：严格执行。禁止抓取的网站绝不会被抓取。
• 版权：仅将全文存储为缓存；搜索结果返回带有来源归属的摘要。
• DMCA：经授权签署的通知会持久保存排除记录，并通过对等节点中继处理。对于无法联系的对等节点，无法保证在 24 小时内送达。
• GDPR：分布式删除记录。节点可以排除包含个人数据的页面。
• AI 摘要：标记为 AI 生成，并通过 content_hash 链接到来源；始终提供原始 URL。
• 使用条款：完整条款请参阅 TERMS_OF_USE.md。

---

🙏 致谢

InfoMesh 的建立离不开这些优秀开源项目：

httpx • trafilatura • libp2p • SQLite • ChromaDB • Textual • FastAPI • mcp-python-sdk • uv • structlog • zstandard

---

MIT 许可证 — 版权所有 2026 InfoMesh Contributors

如果你觉得 InfoMesh 有用，不妨给仓库点个 ⭐ — 这有助于其他人发现这个项目。