SearXNG CLI 技能包

一个面向 AI Agent 的网络搜索与网页抓取技能包。AI 通过终端调用 CLI 脚本即可获得"搜索网络"和"抓取网页"两项核心能力，无需 API Key，路由通过用户自建的 SearXNG 实例完成。

这不是给人用的工具，而是给 AI 用的技能。 任何能执行终端命令的 AI Agent（Hermes、Claude Code、Codex、OpenCode、Cursor、Trae 等）均可直接调用。

为什么需要这个技能

AI Agent 在以下场景中需要实时网络信息：

• 查询最新新闻、文档、技术资料
• 验证事实、获取实时数据
• 抓取网页内容进行阅读和分析

传统方案依赖付费搜索 API（Google、Bing）或专有爬虫服务。本技能通过用户自建的 SearXNG 实例（隐私元搜索引擎，聚合 70+ 搜索服务）实现零成本、零 API Key、隐私可控的网络搜索能力。

AI 如何使用

搜索网络

python scripts/search.py -q "搜索词" -i https://your-searxng-instance

AI 调用后，stdout 输出 JSON 格式搜索结果，AI 可解析并使用：

{
  "query": "搜索词",
  "results": [
    {"title": "...", "url": "https://...", "content": "摘要...", "engine": "google", "score": 1.0}
  ],
  "suggestions": ["相关建议词"],
  "answers": ["直接答案（如有）"]
}

抓取网页

python scripts/fetch.py -u "https://example.com" --extract markdown

AI 调用后，stdout 输出网页正文（text/html/markdown 三种格式），AI 可直接阅读分析。

输入输出约定（AI 必读）

通道	内容	说明
stdout	数据	JSON/CSV/文本，AI 解析的唯一来源
stderr	日志	进度、警告、错误，AI 可忽略或用于调试
exit 0	成功	有结果
exit 1	失败	致命错误（所有实例不可用、参数错误等）
exit 2	空结果	搜索成功但无结果

错误处理：--format json 模式下，错误以 JSON 输出到 stdout（非 stderr），格式为 {"error": "...", "error_code": "E_NETWORK", "recovery_hint": "...", "exit_code": 1, "query": "..."}，AI 可程序化捕获并按 recovery_hint 采取恢复行动。

错误码体系（error_code + recovery_hint 字段）：

错误码	含义	recovery_hint（节选）
E_CONFIG	配置错误（无实例）	设置 -i/SEARXNG_INSTANCE/配置文件
E_AUTH	认证失败（401/403）	检查凭证、token 过期与权限
E_NETWORK	网络错误（连接失败、5xx）	重试退避、切换实例、检查代理
E_RATE_LIMIT	限流（429）	等待重试、降低频率、分散负载
E_PARSE	解析错误	切换实例、切换 --method
E_EMPTY	空结果（exit 2）	调整查询词、扩大 --time-range/--categories
E_INPUT	输入错误（参数/文件）	检查语法、标志组合、文件路径
E_INTERNAL	内部错误	用 --verbose 重跑并报告
E_UNSUPPORTED_MEDIA (v2.2.0)	不支持的二进制媒体类型（PDF/docx/xlsx 解析失败）	换 URL，或安装 pdftotext 用于 PDF 解析

流式输出与进度事件（AI 高级用法）

--stream：JSON Lines 流式输出，每条结果一行 JSON，AI 可增量处理：

{"type": "result", "result": {"title": "...", "url": "..."}}
{"type": "done", "schema_version": "1.0", "count": 10, "query": "..."}

搜索失败时输出 error 事件（含 recovery_hint）：

{"type": "error", "error": "...", "error_code": "E_AUTH", "recovery_hint": "Verify credentials...", "query": "..."}

注意：--stream 仅在单查询 + --format json 下有效；与 --queries-file 或非 json 格式同用会立即报 E_INPUT。

--progress：进度事件流（JSON Lines 到 stderr），AI 可实时跟踪执行：

{"event": "start", "query": "...", "instances": 2, "request_id": "a1b2c3d4"}
{"event": "instance_try", "url": "https://inst1.example.com", "attempt": 1, "request_id": "a1b2c3d4"}
{"event": "instance_ok", "url": "https://inst1.example.com", "latency": 0.342, "results": 10, "request_id": "a1b2c3d4"}
{"event": "instance_fail", "url": "https://inst2.example.com", "error": "HTTP 503", "error_code": "E_NETWORK", "request_id": "a1b2c3d4"}
{"event": "cache_hit", "query": "...", "ttl": 30, "request_id": "a1b2c3d4"}
{"event": "page_ok", "pageno": 1, "results": 10, "request_id": "a1b2c3d4"}
{"event": "page_fail", "pageno": 2, "error": "HTTP 503", "request_id": "a1b2c3d4"}
{"event": "fetch_ok", "url": "...", "chars": 12345, "request_id": "a1b2c3d4"}
{"event": "done", "results": 10, "query": "...", "request_id": "a1b2c3d4"}

v2.2.0：每个事件含 request_id（8 位 hex，每次运行自动生成）；--pages N 时新增 page_ok/page_fail 事件。

--dump-schema：输出当前版本的 JSON Schema 到 stdout 并退出，AI 可程序化发现字段名与类型，无需解析文档。

# AI 推荐用法：流式输出 + 进度事件
python scripts/search.py -q "research" -i https://your-instance --stream --progress

部署

前置条件

• Python 3.8+（3.11+ 开箱即用；3.8-3.10 使用 searxng.toml 配置需 pip install tomli）
• 一个 SearXNG 实例 URL（自建或受信任的实例）

安装

git clone https://git.metona.cn/MetonaTeam/searxng-use-cli.git

无需安装依赖。search.py 仅使用 Python 标准库，开箱即用。

可选安装：

# 提升 fetch.py 抓取质量（HTTP 连接池 + HTML 解析）
pip install requests beautifulsoup4

# Python 3.8-3.10 使用 searxng.toml 配置文件时需要（3.11+ 内置 tomllib）
pip install tomli

配置实例

AI Agent 无需每次传入实例 URL 和认证信息，支持通过配置文件一次性设置：

1. CLI 参数：-i https://your-instance（最高优先级）
2. 环境变量：export SEARXNG_INSTANCE="https://your-instance"
3. 配置文件：./searxng.toml → ~/.config/searxng-cli/searxng.toml → %APPDATA%/searxng-cli/searxng.toml（Windows）

# searxng.toml
[searxng]
instance = "https://your-searxng.example.com"
# 私有实例认证（可选，二选一）：
auth_basic = "user:password"        # Basic 认证
# auth_bearer = "sk-token-123"      # Bearer Token（与 auth_basic 同时设置时 bearer 优先）

认证优先级（从高到低）：--auth-* CLI 参数 > --auth-*-file 文件 > searxng.toml 配置 > 环境变量

安全提醒：配置文件中的明文密码有泄露风险。生产环境推荐使用 --auth-basic-file ~/.searxng_auth 或环境变量。

参数参考

search.py — 网络搜索

python scripts/search.py -q "查询词" -i https://your-instance \
  [--format json|brief|urls|csv] \
  [--engines google,bing,brave] \
  [--time-range day|week|month|year|none] \
  [--language zh-CN] \
  [--sort-by score|date|engine|none] \
  [--no-dedup] \
  [--similarity-dedup] [--similarity-threshold 0.85] \
  [--max-results 10] \
  [--pages N] \
  [--fetch 3] [--fetch-report [json]] \
  [--no-fallback] \
  [--referer URL] \
  [--request-delay 0.3] \
  [--cache-ttl 30] [--cache-max-size 100] \
  [--queries-file queries.txt] \
  [--research "研究主题"] [--research-angles "a,b,c"] \
  [--include-domain example.com] \
  [--exclude-domain spam.com] \
  [--proxy http://corp:8080] \
  [--auth-bearer-file ~/.token] \
  [--throttle-failure-threshold 3] [--throttle-pause-seconds 30] [--throttle-max-delay 10] \
  [--log-format text|json] \
  [--dry-run] [--save-config FILE] \
  [--verify] \
  [--stream] \
  [--progress] \
  [--verbose|-v] [--quiet]

参数	说明	默认值
-q / --query	搜索词（必填，除非用 --verify/--queries-file/--clear-cache/--cache-stats）	—
-i / --instance	SearXNG 实例 URL，逗号分隔实现故障转移	—
-f / --format	输出格式：json/brief/urls/csv	json
--engines	搜索引擎列表	google,bing,brave,duckduckgo,startpage,wikipedia,wikidata
-t / --time-range	时间范围：day/week/month/year/none	year
-s / --safesearch	安全搜索：0/1/2	0（关闭）
-l / --language	语言代码	—
-p / --pageno	页码	1
--sort-by	排序：score/date/engine/none	score（降序）
--no-dedup	禁用跨引擎去重	默认开启去重
--max-results	限制结果数（去重+排序后截取）	不限
--fetch N	自动抓取前 N 个结果的网页正文	0（不抓取）
--fetch-report	v2.0.0 抓取报告（stderr，含 WAF/兜底/限流统计）	关闭
--no-fallback	v2.0.0 禁用 Wayback Machine 兜底	默认启用兜底
--referer	v2.0.0 设置 Referer 头	实例 URL
--request-delay	v2.0.0 抓取请求间隔秒数（自适应限流可能增大）	0.3
--cache-ttl	缓存分钟数	0（不缓存）
--queries-file	批量查询文件（每行一个查询）	—
--research	v2.1.0 研究模式：给定主题自动扩展 5 个多角度查询	—
--include-domain	域名白名单	—
--exclude-domain	域名黑名单	—
--proxy	代理 URL	—
--auth-bearer-file	Bearer Token 文件	—
--auth-basic-file	Basic Auth 文件	—
--verify	实例健康检查模式	—
--config	指定配置文件	自动发现
--stream	JSON Lines 流式输出（每条结果一行）	关闭
--progress	进度事件（JSON Lines 到 stderr）	关闭
-v / --verbose	调试日志	—
--quiet	仅输出警告和错误	—
--pages N	v2.2.0 分页聚合：一次获取 N 页并跨页去重合并	1
--similarity-dedup	v2.2.0 相似度去重（SimHash + Jaccard）	关闭
--similarity-threshold	v2.2.0 相似度阈值	0.85
--log-format	v2.2.0 日志格式：text/json	text
--dry-run	v2.2.0 预览模式（不发 HTTP 请求）	关闭
--throttle-failure-threshold	v2.2.0 限流失败阈值	3
--throttle-pause-seconds	v2.2.0 429 全局暂停秒数	30
--throttle-max-delay	v2.2.0 限流最大延迟秒数	10
--research-angles	v2.2.0 自定义研究角度（逗号分隔）	默认 5 角度
--save-config	v2.2.0 保存当前参数为 searxng.toml 并退出	—
--cache-max-size	v2.2.0 缓存大小上限（MB）	100
--fetch-report json	v2.2.0 JSON 格式抓取报告	text

fetch.py — 网页抓取

python scripts/fetch.py -u https://example.com \
  --extract text|html|markdown \
  [--encoding gbk] \
  [--max-size 5242880] \
  [--timeout 15] \
  [--retries 3] \
  [--no-redirect] \
  [--referer https://google.com/] \
  [--proxy http://corp:8080] \
  [--auth-bearer-file ~/.token]

参数	说明	默认值
-u / --url	目标 URL（必填）	—
-e / --extract	提取模式：text/html/markdown	text
--encoding	强制字符编码	自动检测
--max-size	最大字节数	不限
--timeout	超时秒数（v2.0.0 内部拆分为 connect/read）	15
--retries	重试次数	3
--no-redirect	不跟随重定向	跟随
--no-fallback	v2.1.0 禁用 Wayback Machine 兜底	默认启用兜底
--referer	设置 Referer 头（v2.0.0 反爬措施）	—
--proxy	代理 URL	—
--auth-bearer-file	Bearer Token 文件	—
--auth-basic-file	Basic Auth 文件	—

能力清单

v2.2.1 修复

• Brotli 乱码修复：build_browser_headers() 智能声明 Accept-Encoding——仅当本机安装了 brotli/brotlicffi 包时才声明 br，避免服务器返回 Brotli 压缩字节而 requests 无法自动解压导致全页乱码
• fetch.py 双路径 br 解压：requests 路径和 stdlib urllib 路径都添加了 Brotli 手动解压逻辑（作为双保险，应对代理/CDN 强制返回 br 的边缘情况）
• 此前 bug 表现：Chrome/Edge UA 抓取 example.com 等返回 Content-Encoding: br 的站点时，输出 302 字符乱码（gzip 二进制被当作文本解码）；修复后输出 127 字符正常文本

v2.2.0 新功能

• --pages N 分页聚合：一次获取 N 页结果并跨页去重合并，每页独立缓存（cache key 含 pageno），进度事件新增 page_ok/page_fail
• 缓存治理：缓存大小上限 + LRU 淘汰，新增 --cache-max-size MB（默认 100MB）；stats() 新增 total_bytes/max_size_bytes/evicted_count/utilization_pct 字段；新增 evict_expired() 主动清理方法
• --similarity-dedup 相似度去重：基于标题 SimHash + Jaccard 相似度，默认关闭；--similarity-threshold（默认 0.85）控制严格程度；O(n²) 复杂度，结果数 > 500 时自动跳过
• PDF/文档解析：fetch 支持解析 PDF（pdftotext subprocess）、.docx/.xlsx（stdlib zipfile）；不支持的二进制类型返回 E_UNSUPPORTED_MEDIA
• --log-format json 结构化日志：每行输出 JSON 对象 {ts, level, logger, msg, request_id}，便于 AI Agent 程序化解析
• request ID 贯穿：每次运行自动生成 8 位 hex request_id，贯穿所有日志和进度事件
• --dry-run 预览模式：不发 HTTP 请求，打印 {action, url, params, headers_count} JSON 到 stdout；支持 search/research/batch/verify 四种模式
• AdaptiveThrottle 参数可配置：新增 --throttle-failure-threshold（默认 3）、--throttle-pause-seconds（默认 30）、--throttle-max-delay（默认 10）
• --research-angles 自定义研究角度：覆盖默认 5 角度，每个角度直接作为查询后缀
• --save-config FILE：将当前 CLI 参数保存为 searxng.toml 配置文件并退出
• --fetch-report json：输出完整 JSON 报告（含 items 数组 + summary 摘要）；原 --fetch-report（无参数）保持 text 格式
• UA 池更新到 2026 年版本：Chrome 138-140 / Edge 138 / Firefox 140 / Safari 18，池移至 _config.py（SSOT）
• readability-lite 按语言调整：CJK 内容 100 字符阈值，其他 200 字符阈值
• classify_error 改用异常链（内部改进）、_domain_ua_cache 加锁（内部改进）

搜索

• 多实例故障转移 + 并行探测
• 指数退避重试（429/5xx/连接错误）
• 跨引擎去重（忽略 utm_*/gclid 等跟踪参数）
• 结果排序（score/date/engine）
• 域名白名单/黑名单
• 批量查询（--queries-file）
• v2.1.0 研究模式（--research）：给定主题自动扩展 5 个多角度查询（overview/profile/background/works/review），输出含 research_topic 和 research_queries 元数据
  • v2.1.1 增强：跨角度合并去重，输出 merged_results 字段；根据主题语言自动切换中英文后缀（中文主题用"简介/经历/作品/评价"，英文主题用"profile/background/works/reviews"）
• 实例健康检查（--verify）

输出

• JSON（默认，含完整元数据）
• brief（标题+URL+摘要）
• urls（纯 URL 列表）
• CSV（表格导出）
• 结构化 JSON 错误输出

网页抓取

• text：提取纯文本
• html：原始 HTML
• markdown：增强 Markdown 转换（GFM 表格、代码块、引用块、嵌套列表、定义列表）
• v2.0.0 readability-lite：<article>/<main> 缺失时，用文本密度算法选最可能正文的 <div>（v2.2.0：CJK 内容 100 字符阈值，其他 200 字符阈值）
• v2.2.0 PDF/文档解析：支持解析 PDF（pdftotext subprocess）、.docx/.xlsx（stdlib zipfile）；不支持的二进制类型返回 E_UNSUPPORTED_MEDIA

反爬与抓取稳定性（v2.0.0）

• 浏览器指纹头：build_browser_headers() 发送完整 Sec-Ch-Ua / Sec-Fetch-* / Accept-Language，不仅靠 User-Agent
• 15 个 UA 池（v2.2.0 更新）：Chrome 138-140 / Edge 138 / Firefox 140 / Safari 18 × Windows/macOS/Linux；UA 池移至 _config.py（SSOT），common.py 通过导入引用
• 确定性 UA 轮换：get_ua_for_domain() 用 SHA-256 为每个域名固定一个 UA（会话内稳定，跨进程可复现）
• requests.Session 复用：连接池 + cookie 持久化 + TLS 会话恢复
• 超时分离：(connect, read) 元组，避免大页面下载中途超时浪费已建连接
• Retry-After 遵守：429/503 响应读取 Retry-After header（数字或 HTTP date）作为最小重试延迟
• 退避封顶 60s：原公式无上限，N=10 时达 1536s 会卡死进程
• WAF 指纹库：识别 Cloudflare / Imperva / PerimeterX / DataDome / Akamai / 通用反爬页，全文档扫描（非仅前 2000 字符）
• Wayback Machine 兜底：404/403/超时自动尝试 https://web.archive.org/web/2/<url>，默认启用，--no-fallback 关闭
• v2.1.0 fetch.py 独立调用也支持 Wayback 兜底（之前仅 search.py --fetch 路径有）
• v2.1.0 被墙站点智能回退：is_hard_blocked_domain() 识别百度搜索/百度百科/知乎/微博/微信公众号/豆瓣等强反爬站点，403 时自动优先 Wayback
  • v2.1.1 精确化：baidu.com 从子域匹配改为精确子域列表（www/baike/zhidao/tieba/wenku），pan.baidu.com（网盘）/cloud.baidu.com（智能云）不再被误伤
• 自适应限流：AdaptiveThrottle 状态机，连续 3 次失败自动翻倍延迟 + 减半并发，429 触发全局暂停 30s
  • v2.1.1：report_failure 新增 error_code 参数，优先用结构化 E_RATE_LIMIT 检测 429（原字符串匹配"429"会漏判"Too Many Requests"）；fetch_page 返回结果新增 error_code 字段
  • v2.2.0：原硬编码值现可通过 CLI 配置——--throttle-failure-threshold（默认 3）、--throttle-pause-seconds（默认 30）、--throttle-max-delay（默认 10）
• --fetch-report：结构化抓取报告到 stderr（每 URL 状态/WAF 类型/兜底方式/字符数 + JSON 摘要）；v2.2.0：--fetch-report json 输出完整 JSON 报告（items 数组 + summary 摘要）
• --referer / --request-delay：精细控制 Referer 头和请求间隔
• fetch 结果新增字段：anti_bot_detected（bool）、waf_type（str|null）、fallback_used（str|null）、error_code（str|null，v2.1.1）

缓存

• SQLite 缓存（--cache-ttl），相同查询在 TTL 内跳过网络
• --clear-cache / --cache-stats 管理缓存
• v2.2.0 缓存治理：--cache-max-size MB（默认 100MB）大小上限 + LRU 淘汰；stats() 新增 total_bytes/max_size_bytes/evicted_count/utilization_pct 字段；新增 evict_expired() 主动清理方法

网络

• 代理支持（--proxy）
• 认证（Bearer/Basic，支持 CLI/文件/配置文件/环境变量四级优先级）
• searxng.toml 配置 auth_basic / auth_bearer 字段，AI Agent 一次配置即可
• 凭证文件权限警告（POSIX）

工程

• 共享 common.py（统一重试/字符集/认证/日志/UA池/浏览器头/退避）
• 结构化日志（--verbose / --quiet）
• UTF-8 stdout 强制（force_utf8_stdout()，修复 Windows GBK 崩溃）
• Windows 配置路径发现（%APPDATA%/searxng-cli/）
• fetch.py 失败诊断增强（status_code= / cause= / url= 字段）
• 结构化错误码 + recovery_hint 恢复建议（E_NETWORK / E_AUTH / E_RATE_LIMIT 等）
• JSON 输出含 schema_version 字段，--dump-schema 输出 JSON Schema 文档
• JSON Lines 流式输出（--stream，含 error 事件类型）
• 进度事件（--progress，含 instance_try/instance_ok/instance_fail，JSON Lines 到 stderr）
• batch 模式统一 schema（status 字段区分成功/失败）
• 544 个单元+集成测试

跨 Agent 兼容性

本技能与 Agent 无关——任何能执行终端命令的 AI 均可使用：

Agent	调用方式
Hermes	python scripts/search.py -q "..." -i https://your-instance
Claude Code	同上，通过终端工具调用
Codex (OpenAI)	同上
OpenCode	同上
Cursor	同上
Trae	同上

设计要点：

• 零外部依赖（search.py 仅标准库）
• 脚本自注入目录到 sys.path，可从任意工作目录运行
• stdout 纯数据，stderr 纯日志
• 无 Agent 专属 API 调用，纯 CLI，跨平台可移植

测试

pip install pytest
pytest -q

539 个测试覆盖：缓存操作、认证解析、域名过滤、Markdown 转换、搜索逻辑、集成流程、日志配置、HTML 回退、自动抓取、健康检查、输出格式化、实例解析、并行搜索、CLI 端到端、错误码分类、流式输出、进度事件、配置文件认证、schema_version、recovery_hint、batch 统一 schema、--dump-schema、UTF-8 stdout 强制、Windows APPDATA 路径、v2.0.0 浏览器指纹头、WAF 反爬检测（v2.0.1 收窄误判 + title 精准检测）、Wayback Machine 兜底（v2.0.1 修复 HTTP 200 反爬页触发）、自适应限流（v2.1.1 结构化 error_code 检测 429）、v2.1.0 Wayback 共享逻辑（should_try_wayback/build_wayback_url）、被墙站点智能回退（v2.1.1 精确化 baidu 子域，pan/cloud 不再误伤）、--research 研究模式（v2.1.1 跨角度合并去重 + 中英文双语后缀）、--time-range week 支持（v2.1.1）、stdlib gzip/deflate 解压（v2.1.1）、实例引擎挂起检测（v2.1.1 _warn_unresponsive_engines）。

项目结构

├── scripts/
│   ├── search.py      # 搜索（多实例故障转移/缓存/批量/域名过滤）
│   ├── fetch.py       # 网页抓取（text/markdown 提取）
│   ├── common.py      # 共享工具（认证/重试/字符集/日志）
│   ├── cache.py       # SQLite 结果缓存
│   └── _config.py     # 版本号 + User-Agent
├── tests/             # pytest 单元+集成测试
├── SKILL.md           # 完整技能文档（Agent 技能描述）
├── pytest.ini         # 测试配置
└── README.md

许可证

MIT