Update STATUS.md with search module results and lessons learned

Added V4 validation results, search architecture diagram,
trafilatura timeout and SO 403 pitfalls.

Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>

STATUS.md

@@ -6,10 +6,9 @@
 
 ---
 
-## 当前状态：MVP 流水线验证通过
+## 当前状态：搜索模块已完成
 
-端到端流水线 Gate→Locator→Generator→Verifier→Memory 已跑通。
-gemma3:4b 用 5.7s 修复了测试项目的除零 bug，5/5 测试通过，记录写入 KAIWU.md。
+MVP 流水线 + 6 步搜索增强全部跑通。
 
 ---
 
@@ -20,7 +19,21 @@ gemma3:4b 用 5.7s 修复了测试项目的除零 bug，5/5 测试通过，记
 | V1 Gate JSON稳定性 | 100% 解析成功率，67% 类型准确率 | gemma3:4b，不需要 grammar 约束 |
 | V2 OpenHands集成 | 跳过，走 FLEX-1 自实现 | ToolExecutor 5个工具已完成 |
 | V3 Locator精度 | 文件级 90%，函数级 20% | 函数级已加 few-shot 优化，待更大模型验证 |
-| E2E 端到端 | 通过 | gemma3:4b，5.7s，5/5 测试 |
+| V4 搜索模块 | 意图4/4, DDG 4/4, Fetch 3/4, 压缩4/4 | trafilatura+bs4, 耗时略超15s(LLM瓶颈) |
+
+---
+
+## 搜索模块架构（2026-04-26 追加）
+
+```
+SearchAugmentorExpert.search(ctx)
+  ① IntentClassifier    — 纯关键词，毫秒级，github/arxiv/pypi/bug/general
+  ② QueryGenerator      — 一次LLM调用，2-3条英文query
+  ③ DuckDuckGoSearcher  — bs4解析HTML，零API key
+  ④ QualityFilter       — 域名黑白名单，最多3个URL
+  ⑤ ContentFetcher      — trafilatura(降级httpx)，每页≤800字
+  ⑥ ContextCompressor   — 一次LLM调用，≤400字摘要
+```
 
 ---
 
@@ -63,8 +76,15 @@ kaiwu/
     │   ├── locator.py           # 文件→函数 两阶段定位
     │   ├── generator.py         # 从文件读original，LLM只生成modified
     │   ├── verifier.py          # 语法检查 + pytest 验证
-    │   ├── search_augmentor.py  # DuckDuckGo搜索 + LLM摘要
+    │   ├── search_augmentor.py  # 6步搜索流水线编排
     │   └── office_handler.py    # MVP stub
+    ├── search/
+    │   ├── intent_classifier.py # 纯关键词意图分类
+    │   ├── query_generator.py   # LLM生成英文query
+    │   ├── duckduckgo.py        # DDG HTML scraper (bs4)
+    │   ├── quality_filter.py    # 域名黑白名单
+    │   ├── content_fetcher.py   # trafilatura/httpx正文提取
+    │   └── context_compressor.py# LLM压缩摘要
     ├── llm/llama_backend.py     # llama.cpp + Ollama 双后端
     ├── memory/kaiwu_md.py       # KAIWU.md 项目记忆
     ├── tools/executor.py        # read/write/bash/list/git 工具层
@@ -125,14 +145,29 @@ kaiwu/
 **影响**：不影响 MVP（office 是 stub），但换更大模型后需要重新验证。
 **教训**：Gate 的分类准确率直接依赖模型能力，小模型适合粗粒度分类（3-4 类），细粒度需要更大模型。
 
+### 8. trafilatura.fetch_url 没有超时控制
+
+**现象**：V4 验证每个 case 耗时 30-120s，远超 15s 红线。
+**根因**：`trafilatura.fetch_url(url)` 内部用 urllib，默认无超时，遇到慢站点会阻塞很久。
+**修复**：不用 `trafilatura.fetch_url`，改为 `httpx.get(url, timeout=5.0)` 自己下载 HTML，再传给 `trafilatura.extract()` 做正文提取。
+**教训**：第三方库的网络请求一定要自己控制超时，不要信任库的默认值。
+
+### 9. StackOverflow 403 拒绝爬虫
+
+**现象**：V4 验证 bug 类 case fetch 全部失败。
+**根因**：StackOverflow 对非浏览器 User-Agent 返回 403。
+**影响**：MVP 可接受（snippet 兜底），后续可加 cloudscraper 或更真实的 UA。
+**教训**：高质量源不一定能爬到，QualityFilter 的白名单排序不等于能 fetch 成功。
+
 ---
 
 ## 下一步计划
 
+- [x] git init + 首次提交
+- [x] 搜索模块 6 步流水线
 - [ ] 拉 qwen3-8b 跑完整验证，确认更大模型的提升幅度
 - [ ] 函数级定位准确率优化（AST 辅助提取 + 更好的 prompt）
 - [ ] CLI 交互式模式（类似 CC 的 REPL）
 - [ ] 多文件修改的端到端验证
 - [ ] codegen 流水线验证（纯新代码生成）
 - [ ] Windows 兼容性完善（路径分隔符、编码等）
-- [ ] git init + 首次提交