A3Boy/dsh-web-tools

dsh-web-tools

让 DeepSeek Harness 拥有直连全网与社媒平台的搜索与抓取能力。

8 大 Web Provider 原生能力适配 · SearchHints 语义编译 · 多源自动容灾 · 小红书 / Twitter X 平台检索

它解决什么问题

当联网能力只依赖一个 Web Provider 时，额度耗尽、限流或服务异常都可能直接中断检索；而简单接入多个搜索 API，往往又只能使用它们共同支持的基础能力，没有真正发挥不同搜索源各自擅长的搜索模式、分类、时效、域名策略和正文提取能力。

dsh-web-tools 将 Exa、Tavily、Firecrawl、Parallel、Brave、You.com、Jina、SearXNG，以及小红书、Twitter / X 接入 DSH 标准 web_search / web_fetch。

在统一 DSH 工具接口的同时，dsh-web-tools 通过 SearchHints 归一化查询意图，再针对不同 Provider 分别编译为其支持的原生参数，尽可能使用各家的分类、时效、域名、地区、深度搜索与正文提取能力；同时通过多 API Key、Provider Fallback 和平台专用浏览器会话，提高整个联网链路的可用性。

核心亮点：

- 8 大 Web Provider 原生能力深度适配：保持统一 web_search / web_fetch 接口，但不把不同搜索源压成最低公共能力。针对 Exa、Tavily、Firecrawl、Parallel、Brave、You.com、Jina、SearXNG 分别适配搜索类型、时效、域名策略、地区语言、深度检索与正文提取能力。
- SearchHints → Provider-specific 参数编译：将 Query 中的技术 / 论文 / 新闻、时效、域名、地区与语言等搜索意图归一化，再按不同 Provider 的能力映射为各自原生参数；整个过程由确定性代码完成，不增加额外 LLM 调用。
- 小红书与 Twitter / X 平台来源：两个平台均通过独立的本地浏览器 Profile 提供已登录站内搜索、详情抓取，以及页面实际返回的评论或回复。
- 多搜索源调度与自动容灾：支持多 API Key 分配、鉴权失败切换、429 冷却、Ordered / Round-Robin / Random 路由，以及可配置 Provider Fallback。
- DSH 原生工具集成：直接复用标准 web_search / web_fetch，模型侧无需学习额外工具，同时提供会话级「联网搜索」模式。

DSH Agent
│
web_search / web_fetch
│
▼
SearchHints
topic / freshness / domains
locale / cleanQuery ...
│
Provider-specific
compilation
│
┌────────┬─────────┬───────────┬──────────┐
│  Exa   │ Tavily  │ Firecrawl │ Parallel │ ...
│        │         │           │          │
│category│ topic   │ github    │objective │
│ date   │ chunks  │ research  │ policy   │
│domains │ time    │ tbs       │ queries  │
└────────┴─────────┴───────────┴──────────┘

8 大 Web Provider 原生能力深度适配

统一的是 DSH 的工具接口和搜索语义，不统一的是各家 Provider 的能力。

dsh-web-tools 通过 SearchHints 表达查询意图，再针对不同 Provider 分别构造请求，而不是把所有搜索源压缩成一套最低公共参数。

例如，同样是“搜索最近一周的 AI 编程资料”：

* Exa：映射分类、ISO 日期范围与域名限制；
* Firecrawl：技术查询映射至 github 分类，研究类查询映射至 research，并结合 tbs 时效过滤；
* Parallel：组合 objective、search_queries 与 source_policy；
* Brave Search：映射 freshness、国家与搜索语言，并优先使用 LLM Context；
* You.com：通过 boost_domains 对指定域名进行软加权。

这些适配全部由确定性代码完成，不会为了选择 Provider 参数再额外调用一次 LLM。

* Exa：精确分类映射（publication / news / financial report）、ISO 日期范围与域名限制。
* Firecrawl：代码与技术查询映射至 github 分类，论文与学术查询映射至 research，并支持 tbs 时效、域名限制与 Clean Markdown 抓取。
* Parallel：双层语义优化（objective 软引导 + search_queries 纯净词）与 source_policy 域名/时效过滤。
* Tavily：支持 basic / advanced / fast / ultra-fast 搜索深度；basic、advanced、fast 模式支持 chunks_per_source 分块控制，并映射 news / finance 话题、日期区间、国家与域名约束。
* Brave Search：LLM Context 预提取端点，支持 pd/pw/pm/py 时效、国家与搜索语言。
* You.com：原生 boost_domains 软加权支持，时效与地区国家过滤。
* Jina：搜索关键词降噪与 ReaderLM-v2 高精度 Markdown 正文解析。
* SearXNG：自建元搜索支持 categories (it/science/news) 与 time_range。
* 原生与通用正文提取 (web_fetch)：配置 Tavily、Exa、Firecrawl、Parallel、You.com、Jina 时自动优先调用其原生云端提取接口；未配置或失败时，以及使用 SearXNG / Brave 时，自动平滑回退至插件内置通用 HTTP 抓取器（基于 Defuddle 纯本地 Markdown 解析与 SSRF / DNS 安全防护），无需额外配置或购买第三方 Fetch Key。

平台搜索源（小红书与 Twitter / X）

区别于通用搜索引擎，插件通过专用浏览器会话直接连接社媒平台：

* 原生独立浏览器会话架构：
* 基于本机已安装的 Edge / Chrome 专用 Profile 与 CDP 通信。
* 0 浏览器扩展、0 Playwright / Chromium 外部打包。Cookie 由专用浏览器 Profile 管理，插件不会将其写入配置、日志或中转服务；浏览器仍会按正常认证流程发送给对应平台。

* 小红书：
* 笔记详情与评论抓取 (web_fetch)：通过专用浏览器 Profile 解析 __INITIAL_STATE__ 结构化数据并自动 DOM 兜底，保留完整 xsec_token 签名 URL；页面成功加载评论数据时，同时逐条提取一级评论与已返回的楼中楼回复。
* 站内搜索发现 (web_search)：默认使用已登录浏览器，从 /explore 的真实搜索框进入，只输入清洗后的主题词，不带平台名或 site: 限定；同时区分登录墙、安全验证和真实退出登录。排查浏览器问题时可通过 XHS_NATIVE_SEARCH=0 临时关闭。

* Twitter / X：
* 原生搜索、推文详情与回复：通过 CDP 捕获 X Web 客户端自身的 GraphQL 数据流（SearchTimeline / TweetDetail），结构化解析目标推文及其回复树，并以 DOM 作为补充与兜底；支持 from:、since:、until: 等搜索算子。

单次详情抓取最多附带 30 条评论或回复，单条内容最多保留 800 个字符；仍有后续分页或楼中楼内容时会明确标记为截断，避免无界占用模型上下文。

能力边界说明：对于正文主要位于图片中的小红书笔记，目前会返回标题、文字描述、互动数据、图片数量以及页面已加载的评论，但暂不识别图片中的文字，也不会自动抓取全部评论分页。

Agent 使用 小红书: 或 X: 作为平台路由前缀。前缀只负责选择平台，插件会在实际站内搜索前移除它；例如 小红书: DeepSeek Harness 最终输入小红书搜索框的是 DeepSeek Harness。

* 通用 Web 降级 (Web Fallback)：平台来源未启用、运行时暂不可用或发生可重试故障时，改由已配置的通用搜索或抓取 Provider 处理；登录失效、访问受限、站内搜索受限、无效详情地址等非重试错误会直接返回，不会用索引内容冒充原生站内结果、详情或评论。
* 登录态自动验证：Cookie 只作为第一层门槛。小红书要求同时存在 a1 与 web_session，随后还会通过交互浏览器稳定检查 /explore 的真实页面状态；可见登录墙会使旧 Session 立即失效并重新显示登录入口。搜索提交后的独立登录墙会直接标记为 search-restricted，不会再用网页索引结果掩盖站内搜索失败。

调度策略与容灾机制

* 多 API Key 负载与容灾：支持为单个 Provider 配置多个 API Key，并发调用优先分配低 inFlight 的 Key，鉴权失败自动切换备用 Key。
* 确定性 Provider Fallback：遇到网络异常、超时、5xx 服务端错误、429 限流或配额耗尽时，自动降级至链条中的下一搜索源。
* 429 Retry-After 临时冷却：遭遇限流并携带 Retry-After 时触发零请求冷却，避免在冷却期内产生无效请求。
* 搜索路由策略：web_search 支持顺序模式（Ordered）、轮询模式（Round-Robin）和随机模式（Random）；web_fetch 始终按可抓取 Provider 的确定性链条执行。
* 会话级联网搜索 (Search Mode)：开启后要求 Agent 在回答前至少完成一次 web_search 或 web_fetch 调用；失败也算已尝试，但 Agent 会被要求说明哪些内容未能验证。
* 代理支持：支持 Windows 系统代理、HTTP_PROXY、HTTPS_PROXY 和 NO_PROXY，本地回环地址自动绕过代理。

安装与更新

安装插件
dsh plugin --profile web add github:A3Boy/dsh-web-tools

更新插件
dsh plugin --profile web update dsh-web-tools

卸载插件
dsh plugin --profile web remove dsh-web-tools

重启 dsh web，在左侧侧边栏进入：Settings → Web Search。

Provider 支持矩阵

| Provider | 搜索 (Search) | 抓取/提取 (Fetch / Extract) | 核心特性与深度适配能力 | 配额查询 (Quota) |
| --- | --- | --- | --- | --- |
| Exa | 支持 | 支持，/contents | 语义检索 (auto / fast / deep)、垂直分类映射、Query-aware 高亮切片、ISO 日期范围与域名限制 | 控制台自查 |
| Tavily | 支持 | 支持，/extract | 搜索深度 (basic / advanced / fast / ultra-fast)，前三种模式支持分块控制，并映射 news / finance、日期、国家与域名参数 | 官方 API |
| Firecrawl | 支持 | 支持，/scrape | 技术查询映射 github 分类、学术查询映射 research，支持 tbs、域名限制与 Clean Markdown 提取 | 官方 API |
| Parallel | 支持 | 支持，/v1/extract | 双层语义检索 (advanced / basic / turbo)、objective 软引导、source_policy 域名/时效过滤 | 控制台自查 |
| Brave Search | 支持 | — | 默认优先 LLM Context 预提取模式，支持时效/区域语言过滤，不支持时自动回退 Classic 搜索 | 响应头自动捕获 |
| You.com | 支持 | 支持，/v1/contents | 搜索高亮片段提取、原生 boost_domains 软加权、时效与国家过滤、Markdown 正文接口 | 官方 API |
| Jina | 支持 | 支持，Reader | 搜索关键词降噪、ReaderLM-v2 高精度 Markdown 转换、Token 预算控制 | 尽力解析 |
| SearXNG | 支持 | — | 开源自托管元搜索引擎，映射 categories (it/science/news) 与受支持的 time_range，适配器无需 API Key | 由自建实例决定 |

快速选型指南

新安装默认首选 Provider 为 Exa；已有安装继续沿用已保存的 Provider 配置。

| 需求场景 | 推荐首选 | 说明 |
| --- | --- | --- |
| 社媒内容发现 / 详情抓取 | 小红书 / Twitter / X | 两个平台均支持已登录站内搜索、详情抓取，以及实际返回的评论或回复 |
| 语义检索 / 技术文档 | Exa | 支持语义模式、分类、日期、域名与高亮参数 |
| 预提取搜索上下文 | Brave Search | 优先使用 LLM Context，失败时回退 Classic Search |
| 可调深度搜索与正文提取 | Tavily / Parallel | 提供 Provider 原生深度档位与内容提取接口 |
| 正文转 Markdown | Firecrawl / Jina | 支持正文提取、主内容过滤或 Reader 转换 |
| 时效、地区与域名偏好 | You.com | 支持 freshness、地区语言和 boost_domains 参数 |
| 自托管元搜索 | SearXNG | 使用用户自己的 SearXNG 地址，适配器不要求 API Key |

本地开发

pnpm install          # 安装依赖
pnpm test             # 运行测试套件
pnpm run typecheck    # 类型检查
pnpm run build        # 编译构建 (产物输出至 lib/)

常见问题

自建 SearXNG 配置与排错

使用 Docker 或自托管 SearXNG 时，若提示 no usable provider 或返回 403 拒绝访问，请检查以下两项配置：

1. 必须开启 JSON 格式输出：SearXNG 默认仅启用了 HTML 输出。编辑 SearXNG 的 settings.yml 文件，在 search.formats 中增加 - json：
search:
formats:
- html
- json # 必须包含 json，供 API 接口调用

修改后重启 SearXNG 容器（例如 docker restart searxng）生效。
2. 免 Key 访问：SearXNG 属于自建免 Key 搜索源，插件面板中无需填写 API Key（留空即可）。在 Base URL 中填入你的 SearXNG 实例地址（如 http://127.0.0.1:8080），点击「测试搜索」即可验证连通性。

缓存与重新安装

若使用本地包或软链接升级遇到缓存问题，可前往 Profile 目录重新安装：

cd ~/.dsh/profiles/web && pnpm install

Exa 和 Parallel 的余额需要在 Provider 控制台查看；Brave 的配额信息来自实际搜索响应头。配额展示仅用于状态说明，不影响正常检索与降级。

小红书和 Twitter / X 分别使用独立的本地浏览器 Profile。插件不会把原始 Cookie 导出到配置、日志或第三方中转服务；浏览器会按正常登录与访问流程将 Cookie 发送给对应的平台域名。

许可

MIT © A3Boy