searxng-use-cli/README.md

# SearXNG CLI 技能包

[![Python 3.8+](https://img.shields.io/badge/python-3.8+-blue.svg)](https://www.python.org/downloads/)
[![License: MIT](https://img.shields.io/badge/License-MIT-yellow.svg)](LICENSE)

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

```bash
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：

```json
{
  "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

```bash
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", "exit_code": 1, "query": "..."}`，AI 可程序化捕获。

**错误码体系**（`error_code` 字段）：

| 错误码 | 含义 | AI 恢复策略 |
|--------|------|-------------|
| `E_CONFIG` | 配置错误（无实例） | 提示用户设置 `-i` / `SEARXNG_INSTANCE` |
| `E_AUTH` | 认证失败（401/403） | 检查 token/凭证 |
| `E_NETWORK` | 网络错误（连接失败、5xx） | 重试或切换实例/代理 |
| `E_RATE_LIMIT` | 限流（429） | 等待后重试 |
| `E_PARSE` | 解析错误 | 检查实例 JSON 支持 |
| `E_INPUT` | 输入错误（参数/文件） | 修正参数 |
| `E_INTERNAL` | 内部错误 | 报告 bug |

### 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", "count": 10, "query": "..."}
```

**`--progress`**：进度事件流（JSON Lines 到 stderr），AI 可实时跟踪执行：
```
{"event": "start", "query": "...", "instances": 2}
{"event": "cache_hit", "query": "...", "ttl": 30}
{"event": "fetch_ok", "url": "...", "chars": 12345}
{"event": "done", "results": 10, "query": "..."}
```

```bash
# 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+
- 一个 SearXNG 实例 URL（自建或受信任的实例）

### 安装

```bash
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）：
```bash
pip install requests beautifulsoup4
```

### 配置实例

AI Agent 无需每次传入实例 URL，支持三种配置方式（优先级从高到低）：

1. **CLI 参数**：`-i https://your-instance`
2. **环境变量**：`export SEARXNG_INSTANCE="https://your-instance"`
3. **配置文件**：`./searxng.toml` 或 `~/.config/searxng-cli/searxng.toml`

```toml
# searxng.toml
[searxng]
instance = "https://your-searxng.example.com"
```

## 参数参考

### search.py — 网络搜索

```bash
python scripts/search.py -q "查询词" -i https://your-instance \
  [--format json|brief|urls|csv] \
  [--engines google,bing,brave] \
  [--time-range day|month|year|none] \
  [--language zh-CN] \
  [--sort-by score|date|engine|none] \
  [--no-dedup] \
  [--max-results 10] \
  [--fetch 3] \
  [--cache-ttl 30] \
  [--queries-file queries.txt] \
  [--include-domain example.com] \
  [--exclude-domain spam.com] \
  [--proxy http://corp:8080] \
  [--auth-bearer-file ~/.token] \
  [--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/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） |
| `--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） | — |
| `--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 | — |

### fetch.py — 网页抓取

```bash
python scripts/fetch.py -u https://example.com \
  --extract text|html|markdown \
  [--encoding gbk] \
  [--max-size 5242880] \
  [--timeout 15] \
  [--retries 3] \
  [--no-redirect] \
  [--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 | 15 |
| `--retries` | 重试次数 | 3 |
| `--no-redirect` | 不跟随重定向 | 跟随 |
| `--proxy` | 代理 URL | — |
| `--auth-bearer-file` | Bearer Token 文件 | — |
| `--auth-basic-file` | Basic Auth 文件 | — |

## 能力清单

**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`）
- 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）

**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

**网络**
- 代理支持（`--proxy`）
- 认证（Bearer/Basic，支持文件和环境变量，避免 shell 历史泄露）
- 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）
- 结构化日志（`--verbose` / `--quiet`）
- 结构化错误码（`E_NETWORK` / `E_AUTH` / `E_RATE_LIMIT` 等）
- JSON Lines 流式输出（`--stream`）
- 进度事件（`--progress`，JSON Lines 到 stderr）
- 309 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

```bash
pip install pytest
pytest -q
```

309 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。

## 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