{% extends "base.html" %} {% block title %}deepdive-search — 基于 MECE 原则的布尔搜索逻辑生成器{% endblock %} {% block content %}
MECE 原则驱动的智能搜索

让搜索不遗漏、不重复

输入一段描述,DeepDive Search 自动将你的研究主题分解为互斥且穷尽的分类体系,生成精确的布尔搜索逻辑,一键适配 6 个搜索平台。

核心概念

什么是 MECE?

用最简单的方式理解这个来自麦肯锡的思维框架

ME

Mutually Exclusive — 相互独立

想象你把一堆衣服分到不同的衣柜里。相互独立意味着:每件衣服只能放进一个衣柜,不能同时出现在两个衣柜里。

在搜索中,这意味着不同分类之间没有重叠的关键词——你不会在"容错共识"和"拜占庭共识"两个分类里同时出现 "pbft",因为那样搜索结果就会重复。

反例:有重叠

容错共识: raft, pbft 拜占庭共识: pbft, hotstuff

正例:无重叠

崩溃容错: raft, paxos 拜占庭容错: pbft, hotstuff
CE

Collectively Exhaustive — 完全穷尽

继续用衣柜的比喻。完全穷尽意味着:所有衣服都被放进了某个衣柜,没有一件被遗漏在地板上。

在搜索中,这意味着所有相关方向都被覆盖——如果你研究"共识算法",就不能只搜"Raft"而忘了"Paxos",也不能遗漏"拜占庭容错"这个重要分支。

反例:有遗漏

只搜了容错共识,忘了拜占庭共识 → 漏掉一半文献

正例:完全覆盖

崩溃容错 + 拜占庭容错 = 覆盖所有共识算法类型

ME + CE = 搜索既不遗漏也不重复

当分类既不重叠(ME)又无遗漏(CE),你构造的搜索式就能精确覆盖目标领域的每一个方向,且每个方向只被搜索一次。这就是 MECE 原则对搜索的核心价值。

(raft OR paxos) AND (pbft OR hotstuff)

崩溃容错 ∩ 拜占庭容错 = MECE 分解后的布尔表达式

工作原理

DeepDive Search 如何工作?

三步完成从模糊想法到精确搜索式的转化

1

输入描述,提取关键词

你不需要预先整理好关键词。直接用自然语言描述你的研究意图——"我正在研究分布式系统中的共识算法"——系统会自动从中提取核心关键词。

输入

"研究分布式共识算法,包括 Raft、Paxos 等容错协议,以及 PBFT、HotStuff 等拜占庭容错协议"

自动提取

Raft Paxos PBFT HotStuff consensus byzantine
2

MECE 分解 + 布尔组合

大模型将关键词按 MECE 原则分解为互斥且穷尽的分类树,然后自动组合:同类关键词用 OR 连接(扩大覆盖),不同分类用 AND 连接(精确交叉)。内置校验机制确保分类质量。

MECE 分类树
共识算法
├── 崩溃容错共识 (raft, paxos, zab)
└── 拜占庭容错共识 (pbft, hotstuff, tendermint)
布尔表达式
(raft OR paxos OR zab) AND (pbft OR hotstuff OR tendermint)
3

多平台输出,一键适配

同一个 MECE 分解结果,自动生成 6 个平台的搜索语法——从通用布尔到 Google 精确检索,从 LinkedIn 职业搜索到 GitHub 代码搜索。

通用搜索

通用布尔
Google

职业平台

LinkedIn
脉脉
猎聘

开发者平台

GitHub

对比分析

与常规搜索方案的区别

维度 DeepDive Search 手动构造布尔式 搜索引擎建议 AI 对话式搜索
MECE 保证 校验 + 自修正 依赖个人经验 无保证 无保证
生成速度 5-15 秒 30-60 分钟 即时 5-20 秒
分类结构化 树状层级输出 线性列表 线性列表 非结构化文本
多平台适配 6 种搜索语法 单一 单一
可复用性 持久化 + 导出 手动记录 对话历史
可视化 思维导图 + 列表

适用场景

DeepDive Search 最擅长什么?

技术调研

系统性检索某一技术领域的文献与资料,确保不遗漏关键方向

竞品分析

按 MECE 分类穷尽搜索竞品信息,避免重复覆盖或遗漏赛道

文献综述 / 专利检索

学术与专利场景下生成结构化搜索策略,分类清晰可审查

团队协作

导出搜索方案 JSON 供团队成员复用与审查,搜索策略可追溯

知识体系梳理

将模糊的技术领域结构化为清晰分类树,辅助理解与教学

坦诚说明

它不擅长什么?

依赖 LLM 质量

生成质量受底层模型能力限制。小模型可能产生低质量分解,建议使用 GPT-4o / Qwen-Max 等强模型

非实时

单次生成约 5-15 秒,依赖 LLM 调用延迟。不适合需要即时结果的场景

本地存储上限

JSON 文件不适合存储超过 10 万条记录。大规模数据需迁移至数据库

MECE 是近似理想

MECE 是理想原则,实际生成可能存在边界模糊。系统通过校验+自修正尽量逼近,但不保证 100% 完美

需联网加载样式

前端使用 Tailwind CSS CDN,离线环境下降级为浏览器默认样式

开始使用

试试看

输入技术领域和描述文本,生成你的第一个 MECE 搜索逻辑

{% if recent_records %}

最近搜索

{% if total_count > 0 %} 查看全部 {{ total_count }} 条 → {% endif %}
{% for record in recent_records %}
{{ record.domain }}
{{ record.created_at[:10] }}
{{ record.bool_result.expression.raw_expression[:120] }}{% if record.bool_result.expression.raw_expression|length > 120 %}...{% endif %}
{% endfor %}
{% endif %} {% endblock %} {% block scripts %} {% endblock %}