vane-search

# Vane Search API 本地部署的 Vane (Perplexica) AI 搜索引擎，通过 SearxNG 搜索 + Embedding 重排序 + LLM 总结，返回带引用来源的深度回答。 ## 服务地址 - **API**: `http://localhost:3010/api/search` (POST) - **Web UI**: `http://localhost:3010` - **容器名**: `vane` ## 快速调用 ```bash curl -s -X POST "http://localhost:3010/api/search" \ -H "Content-Type: application/json" \ -d '{ "query": "你的搜索问题", "sources": ["web"], "chatModel": { "providerId": "00a2a3e5-5949-4938-9842-037ffa97a47a", "key": "qwen3.5-plus" }, "embeddingModel": { "providerId": "2e10b45d-b8aa-4dfd-8124-c11f86abcba8", "key": "text-embedding-v3" } }' ``` ## 完整参数说明 | 参数 | 类型 | 必填 | 默认值 | 说明 | |------|------|------|--------|------| | `query` | string | ✅ | — | 搜索/提问内容 | | `sources` | string[] | ✅ | — | 搜索来源，见下方来源列表 | | `chatModel` | object | ✅ | — | `{providerId, key}` 聊天模型 | | `embeddingModel` | object | ✅ | — | `{providerId, key}` 向量模型 | | `optimizationMode` | string | ❌ | `"speed"` | 搜索深度：`speed` / `balanced` / `quality` | | `stream` | boolean | ❌ | `false` | 是否流式输出 | | `history` | array | ❌ | `[]` | 对话历史，用于多轮追问 | | `systemInstructions` | string | ❌ | `""` | 自定义系统指令，控制回答风格 | | `followUp` | boolean | ❌ | `false` | 追问模式 | ## 模型配置 ### Chat Model (必填) 当前配置为通义千问 (DashScope OpenAI-compatible API)： ```json { "providerId": "00a2a3e5-5949-4938-9842-037ffa97a47a", "key": "qwen3.5-plus" } ``` ### Embedding Model (必填) 当前配置为 DashScope text-embedding-v3 (中文向量模型)： ```json { "providerId": "2e10b45d-b8aa-4dfd-8124-c11f86abcba8", "key": "text-embedding-v3" } ``` ## sources 搜索来源 | 值 | 说明 | |----|------| | `"web"` | 网页搜索（通用，最常用） | | `"academic"` | 学术论文搜索 | | `"reddit"` | Reddit 讨论搜索 | 可组合使用：`["web", "academic"]` ## optimizationMode 搜索深度 | 模式 | 说明 | 适用场景 | |------|------|----------| | `"speed"` | 快速模式，搜索少量来源，直接生成回答 | 简单事实查询、快速确认 | | `"balanced"` | 均衡模式，搜索更多来源，回答更详细 | 一般调研、信息收集 | | `"quality"` | 深度模式，多轮推理搜索，最全面最慢 | 深度调研、竞品分析、技术选型 | ## 返回格式 ```json { "message": "AI 生成的 Markdown 格式回答（含 [N] 引用标记）", "sources": [ { "title": "来源标题", "url": "来源URL", "content": "来源摘要内容" } ] } ``` ## 使用示例 ### 快速搜索 (speed) ```bash curl -s -X POST "http://localhost:3010/api/search" \ -H "Content-Type: application/json" \ -d '{ "query": "Claude Code 最新版本是什么", "sources": ["web"], "chatModel": {"providerId": "00a2a3e5-5949-4938-9842-037ffa97a47a", "key": "qwen3.5-plus"}, "embeddingModel": {"providerId": "2e10b45d-b8aa-4dfd-8124-c11f86abcba8", "key": "text-embedding-v3"} }' ``` ### 深度调研 (quality) ```bash curl -s -X POST "http://localhost:3010/api/search" \ -H "Content-Type: application/json" \ -d '{ "query": "2025年主流 AI Agent 框架对比分析", "sources": ["web", "academic"], "optimizationMode": "quality", "systemInstructions": "用中文回答，重点分析技术架构差异和适用场景", "chatModel": {"providerId": "00a2a3e5-5949-4938-9842-037ffa97a47a", "key": "qwen3.5-plus"}, "embeddingModel": {"providerId": "2e10b45d-b8aa-4dfd-8124-c11f86abcba8", "key": "text-embedding-v3"} }' ``` ### 多轮追问 ```bash curl -s -X POST "http://localhost:3010/api/search" \ -H "Content-Type: application/json" \ -d '{ "query": "其中哪个框架最适合企业级部署？", "sources": ["web"], "history": [ {"role": "user", "content": "2025年主流 AI Agent 框架有哪些"}, {"role": "assistant", "content": "主流框架包括 LangChain、CrewAI、AutoGen..."} ], "chatModel": {"providerId": "00a2a3e5-5949-4938-9842-037ffa97a47a", "key": "qwen3.5-plus"}, "embeddingModel": {"providerId": "2e10b45d-b8aa-4dfd-8124-c11f86abcba8", "key": "text-embedding-v3"} }' ``` ## 服务管理 ```bash # 查看状态 docker ps --filter name=vane # 查看日志 docker logs vane --tail 20 # 重启 docker restart vane # 停止/启动 docker stop vane docker start vane ```