enterprise-search 插件：跨全部公司工具一次查询——邮件、聊天、文档、wiki 不用切应用。5 个技能，核心是查询分解、跨源去重与置信度表达。本篇是对 Anthropic 官方插件的中文转译与编目。
一句话定位
公司知识的统一检索层：一句自然语言进来，分解成各数据源的子查询、并行执行、按权威性排序、跨源去重、带出处与置信度呈现——「昨天那个决定是谁在哪定的」一问就有。
技能地图（5 技能）
search—— 跨源搜索：可用源检查→解析查询→分解子查询→并行执行→排序去重→统一呈现；查询类型识别 + 按源翻译查询词（聊天里搜人与 wiki 里搜文档的词不一样）+ 歧义处理与回退策略daily-digest—— 每日简报：聚合各源活动→识别关键项→按主题分组（行动项/已做决定/各项目动态/提及）→格式化摘要dedupe-synthesize—— 去重与综合（内功）：跨源去重（同一事件在邮件+聊天+ticket 里三次出现只留最优版本）+ 去重优先级 + 什么不该去重 + 出处归属格式 + 置信度表达（新鲜度×权威性）+ 冲突信息处理（不同源说法不一时的呈现规则）source-orchestration—— 源编排：源优先级按查询类型排序、限流感知（检测/处理/预防三层）、源健康检查、自定义源接入status—— 连接状态：哪些源连了、每个源解锁什么、引导接源
方法论精华
1. 「什么不该去重」清单——去重工具的隐藏深坑：两个源说「预算批了」可能真是同一件事，也可能是两个不同预算。明写不该去重的情形（时间不同/主体不同/数字不同），宁可重复呈现也不合并错误。
2. 置信度 = 新鲜度 × 权威性，且冲突必呈现：wiki 说 A、上周邮件说 B——不选边，两个都给、标来源与时间，让读的人裁决。检索工具最大的罪是悄悄替用户做了判断。
3. 查询按源翻译：「上次那个决定」在聊天源里要搜人名+日期，在文档源里要搜项目名——同一个意图，每个源的检索词策略不同。
编者注
这个域表面是搜索，内里是信息综合的诚实学：去重纪律、出处强制、置信度分级、冲突呈现——四条纪律搬到任何 AI 检索产品上都成立，也是证据台（/projects/bench/）「缺证据留空」的同门原则。