hanafubuki-agent

网络搜索与研究

搜索引擎、平台与专业数据源、研究证据、网页抓取和 Web 插件设置。

内置 web 插件以 Rust 移植 dsh-free-search v0.9.50(6ab5168)的搜索实现,无需安装 Node.js 或 DSH。搜索结果、网页正文、缓存片段和提供方摘要都是不可信外部数据,其中的指令不能成为 Agent 的操作授权。

工具

工具用途
web_search、advanced_search指定引擎搜索,或使用自动回退链。
multi_search按语言池并发搜索,合并重复 URL 和相似片段,分散来源域名并保留引擎出处。
platform_searchGitHub、V2EX 热门主题、Bilibili、Reddit、Hacker News(hackernews)、Stack Overflow、Wikipedia、npm、YouTube、Vimeo、掘金、豆瓣、Qiita、X。
video_searchBing Videos 与 DuckDuckGo Videos,支持自动回退。
weatherOpen-Meteo 当前天气和 1–7 日预报,包含时区及单位。
domain_search直接查询专业数据源,按问题选择相应引擎。
research汇集有界证据包,可选重排,并按证据缺口补搜一轮。
cache_search无网络请求地查询近七日抓取的研究文档。
fetch_web_page提取公开网页并分页,使用返回的偏移和内容版本继续读取。
free_search_test探测引擎并查看错误、冷却和统计;显式探测付费引擎会消耗额度。

timeRange 支持 day、week、month、year,12h、3d、2w、3mo 等时长,以及绝对日期 YYYY-MM-DD。只有粗粒度时间过滤的引擎会近似映射时长,其他引擎使用起始日期。引擎出处表示“由谁检索到”,不代表独立验证。

39 个具体搜索引擎为 duckduckgo(上游 ddg)、ddg-lite、bing、searxng、degoog、anysearch、exa、tavily、keenable、firecrawl、parallel、perplexity、serpbase、serply、outcrawl、google、metaso、yandex、yuanbao、deepseek-official、deepseek-tools、you、baidu、kimi、aliyun、doubao、tinyfish、jina、zhihu_global、zhihu_site、agy、openai、gemini、claude、baidu-html、so360、sogou、wechat、toutiao。

Metaso、Yandex、Yuanbao、OpenAI、Gemini 和 Claude 需要显式选择或宿主允许列表;五个 SERP 适配器(baidu-html、so360、sogou、wechat、toutiao)需要主动启用。可选凭据、账户额度、区域限制与网页变化仍然适用。协议替身测试不等于所有提供方的在线可用性验证。

专业数据引擎

类别引擎 ID
软件包与生命周期pypi, crates, github_releases, endoflife, registries, huggingface
学术文献crossref, openalex, s2, arxiv, pubmed, europepmc, dblp, zenodo, doaj
漏洞信息nvd, osv, cisakev
财经yahoofinance, coingecko, frankfurter, sec_edgar, imf, cfets, cninfo
公共数据worldbank, wikidata, holidays, worldclock, openmeteo, rdap, gleif
新闻googlenews, gdelt, aihot
法律资料federalregister, courtlistener, openlegaldata, uk_legislation
补充网页搜索so360, sogou

配置

打开 /config pluginOptions.web,或 /plugins 中 web 的选项表单。选项保存在 config.toml 的 [pluginOptions.web] 下,遵循常规配置分层。例如:

webSearchProvider = "auto"

[pluginOptions.web]
provider = "multi"
language = "zh"
promptLanguage = "en"
zhPool = ["bing", "baidu", "aliyun", "anysearch"]
enPool = ["bing", "exa", "tavily"]
multiMaxEngines = 3
multiMinSources = 2
multiMaxResults = 20
blockedDomains = ["example.com"]
cacheEnabled = true
cacheTtlMinutes = 5

原有顶层 webSearchProvider 仍是宿主限制:固定为 duckduckgo 或 searxng 会覆盖模型选择的引擎。使用完整插件引擎目录时应设为 auto。全局网络代理、searxngBaseUrl、webFetchUseJinaReader、webFetchResolveThroughProxy 继续生效。

选项含义
provider、allowedEngines、disabledEngines默认模式/引擎和宿主限制;空允许列表采用自动可用引擎。
fallbackOrder、fallbackOn回退优先级及允许回退的失败类型:quota、auth、region、bot-wall、transient、invalid-response、unknown。
zhPool、enPoolCJK 与其他语言池;自动路由还会考虑任务和时间要求。
multiMaxEngines、multiMinSources、multiMaxResults并发引擎上限(0 表示整个池)、成功引擎目标数和合并结果上限(1–50);目标数不代表保证。
language、bingMarket、region、safeSearch提供方语言、可选 Bing 市场覆盖、区域和安全搜索。
promptLanguage英文或中文工具描述,与搜索语言独立;自定义用户指令使用 Agent 的 AGENTS.md 或宿主指令设施。
platforms、disabledTools、blockedDomains平台允许列表、从目录中移除的工具和排除域名(含子域名)。
cacheEnabled、cacheTtlMinutes内存搜索缓存及 0–5 分钟有效期。
<engine>ApiKeys、<engine>Endpoint、<engine>Model密钥组、端点和受支持的模型覆盖;密钥用逗号、分号或换行分隔,留空则读取相应环境变量。引擎 ID 中连字符/下划线转换为 camelCase 前缀,例如 deepseekOfficialApiKeys、zhihuGlobalApiKeys。
googleCseId、metasoScope、yandexFolderId、yandexSearchType、yuanbaoMode、yuanbaoSite提供方专用参数。
searxngInstances、degoogInstances实例回退列表;Degoog 需要配置实例。
researchPrimaryPool、researchEscalationPool研究首轮与补搜引擎。
rerankKey、rerankEndpoint、decisionKey、decisionEndpoint可选 SiliconFlow 重排/嵌入及决策服务;未配置或失败时使用规则并报告未完成评估。
fetchPrefer、fetchExaEndpoint、fetchFirecrawlEndpoint、fetchCrawl4aiEndpoint、crawl4aiApiKey抓取回退顺序(exa 或 firecrawl)及端点/凭据;Exa、Firecrawl 使用其搜索引擎密钥组。
localHelpersEnabled、browserFetch启用已安装的本地辅助程序,以及其中的浏览器渲染;本地辅助程序默认关闭。
allowFakeIpCidrs透明代理使用的显式保留 DNS 网段,例如 198.18.0.0/15;回环、IPv4 私网、链路本地和多播仍被阻止。

密钥字段在表单中掩码显示,也可以通过环境变量避免写入 config.toml。DSH 的凭据中心、安装/更新器、网页设置和提示词分页编辑器改由 Agent 的配置、发布、插件及指令设施承接,不自动导入 DSH 配置。

认证、额度和限流失败会轮换密钥。认证拒绝只持续到当前服务实例结束;有过期时间的冷却跨重启保存,仅记录 SHA-256 标识,不保存原始密钥。识别有界的重试/重置提示,额度冷却默认 45 分钟,月度/区域限制默认 24 小时。SERP 反爬会同时暂停同类引擎十分钟。工具诊断不包含提供方原始错误体或凭据。

研究与抓取

研究深度为 1–5。每次最多 90 秒、12 次实际搜索请求(含回退/重试)、两倍深度的正文,以及“两倍深度加四”的抓取尝试。候选重排和窗口重排共享 12 个候选、48 个窗口的上限,每篇最多六个窗口进入随深度增长的证据预算;代码块和表格保持完整。每次研究中 Firecrawl 和 Crawl4AI 另外限制为三次、两次提取调用。

补搜填充比较缺口时保留首轮证据;缓存命中保留原始抓取时间;正文、提供方摘要与搜索片段明确区分。标题/URL 聚类和语义相似度属于检索信号。正文折叠要求极高相似度、相同的已知发布日期和兼容的数字陈述。第二轮需要检测到缺口、评估成功且充分性判定不通过,不会无条件加搜。缺失凭据、评估失败、预算耗尽与部分结果均写入报告。

研究文档和有期冷却使用 Agent 数据目录下 web-search/ 的 SQLite 缓存;RESEARCH_CACHE_DIR 可以调整文档缓存位置。无法打开的数据库保留原样,当前实例停用缓存。缓存搜索返回的是片段,不代表重新抓取或最新内容。

网页提取依次尝试直接 HTTP、可选本地浏览器、按配置排序的 Exa/Firecrawl、Crawl4AI,以及原有可选 Jina Reader。过短或不支持的页面可进入下一层。直接 HTTP 检查每次重定向并固定已验证 DNS 地址;浏览器 HTTP/CONNECT 代理也检查重定向和子资源的公开目标。提取前解码声明的字符集(包括 GBK),可取得的页面更新时间仍作为元数据。所有层保留时间/字节边界及现有内容版本分页约定。

可选本地辅助程序

AGY 需要安装并登录 Antigravity CLI(AGY_BIN,可选 AGY_MODEL);X 需要登录 Grok CLI(GROK_BIN)。浏览器自动发现 Chrome/Chromium/Edge,也可设置 WEB_SEARCH_BROWSER。缺失辅助程序时仍可使用 HTTP/提取回退。

显式启用 localHelpersEnabled 后,可能使用本地辅助程序的调用需要匹配的沙箱提升审批:已登录 CLI 在 Agent 沙箱外运行,可访问账户和本地文件。辅助程序使用独立临时目录、输出/时间限制及 Agent 进程所有权。取消或丢弃调用会清理对应进程凭据;无法确认终止时保留所有权供停机处理。浏览器使用全新配置目录,不关闭浏览器自身沙箱。浏览器转发层目前只在全局代理设为 Disabled 时启用;使用 System 或显式代理时跳过浏览器层,继续遵循代理配置的远程提取回退。

嵌入方可使用 web_plugin(Some(executor), Some(cache_directory)) 传入 Agent 所属执行器,或传入 None 仅使用 HTTP。Web 领域 crate 提供类型化 LocalWebRunner 端口,不依赖 process;插件负责进程适配和审批边界。

本页目录