vane-search

Name: vane-search
Author: szsip239

101stars14forks

How to install vane-search?

szsip239/teamclaw/vane-search

$npx -y skills add szsip239/teamclaw --skill vane-search

Installs into the current project.

Summary

Vane (Perplexica) AI 搜索引擎 API 调用。通过本地部署的 Vane 服务进行带引用的深度搜索，支持网页/学术/Reddit 来源，三档深度模式(speed/balanced/quality)，返回 AI 总结 + 来源引用。适用于调研、信息收集、深度分析等场景。

Files · 1

View on GitHub

SKILL.md

1	# Vane Search API
2
3	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。
4
5	## 服务地址
6
7	- API: `http://localhost:3010/api/search` (POST)
8	- Web UI: `http://localhost:3010`
9	- 容器名: `vane`
10
11	## 快速调用
12
13	```bash
14	curl -s -X POST "http://localhost:3010/api/search" \
15	-H "Content-Type: application/json" \
16	-d '{
17	"query": "你的搜索问题",
18	"sources": ["web"],
19	"chatModel": {
20	"providerId": "00a2a3e5-5949-4938-9842-037ffa97a47a",
21	"key": "qwen3.5-plus"
22	},
23	"embeddingModel": {
24	"providerId": "2e10b45d-b8aa-4dfd-8124-c11f86abcba8",
25	"key": "text-embedding-v3"
26	}
27	}'
28	```
29
30	## 完整参数说明
31
32	\| 参数 \| 类型 \| 必填 \| 默认值 \| 说明 \|
33	\|------\|------\|------\|--------\|------\|
34	\| `query` \| string \| ✅ \| — \| 搜索/提问内容 \|
35	\| `sources` \| string[] \| ✅ \| — \| 搜索来源，见下方来源列表 \|
36	\| `chatModel` \| object \| ✅ \| — \| `{providerId, key}` 聊天模型 \|
37	\| `embeddingModel` \| object \| ✅ \| — \| `{providerId, key}` 向量模型 \|
38	\| `optimizationMode` \| string \| ❌ \| `"speed"` \| 搜索深度：`speed` / `balanced` / `quality` \|
39	\| `stream` \| boolean \| ❌ \| `false` \| 是否流式输出 \|
40	\| `history` \| array \| ❌ \| `[]` \| 对话历史，用于多轮追问 \|
41	\| `systemInstructions` \| string \| ❌ \| `""` \| 自定义系统指令，控制回答风格 \|
42	\| `followUp` \| boolean \| ❌ \| `false` \| 追问模式 \|
43
44	## 模型配置
45
46	### Chat Model (必填)
47
48	当前配置为通义千问 (DashScope OpenAI-compatible API)：
49
50	```json
51	{
52	"providerId": "00a2a3e5-5949-4938-9842-037ffa97a47a",
53	"key": "qwen3.5-plus"
54	}
55	```
56
57	### Embedding Model (必填)
58
59	当前配置为 DashScope text-embedding-v3 (中文向量模型)：
60
61	```json
62	{
63	"providerId": "2e10b45d-b8aa-4dfd-8124-c11f86abcba8",
64	"key": "text-embedding-v3"
65	}
66	```
67
68	## sources 搜索来源
69
70	\| 值 \| 说明 \|
71	\|----\|------\|
72	\| `"web"` \| 网页搜索（通用，最常用） \|
73	\| `"academic"` \| 学术论文搜索 \|
74	\| `"reddit"` \| Reddit 讨论搜索 \|
75
76	可组合使用：`["web", "academic"]`
77
78	## optimizationMode 搜索深度
79
80	\| 模式 \| 说明 \| 适用场景 \|
81	\|------\|------\|----------\|
82	\| `"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 \|
83	\| `"balanced"` \| 均衡模式，搜索更多来源，回答更详细 \| 一般调研、信息收集 \|
84	\| `"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 \|
85
86	## 返回格式
87
88	```json
89	{
90	"message": "AI 生成的 Markdown 格式回答（含 [N] 引用标记）",
91	"sources": [
92	{
93	"title": "来源标题",
94	"url": "来源URL",
95	"content": "来源摘要内容"
96	}
97	]
98	}
99	```
100
101	## 使用示例
102
103	### 快速搜索 (speed)
104
105	```bash
106	curl -s -X POST "http://localhost:3010/api/search" \
107	-H "Content-Type: application/json" \
108	-d '{
109	"query": "Claude Code 最新版本是什么",
110	"sources": ["web"],
111	"chatModel": {"providerId": "00a2a3e5-5949-4938-9842-037ffa97a47a", "key": "qwen3.5-plus"},
112	"embeddingModel": {"providerId": "2e10b45d-b8aa-4dfd-8124-c11f86abcba8", "key": "text-embedding-v3"}
113	}'
114	```
115
116	### 深度调研 (quality)
117
118	```bash
119	curl -s -X POST "http://localhost:3010/api/search" \
120	-H "Content-Type: application/json" \
121	-d '{
122	"query": "2025年主流 AI Agent 框架对比分析",
123	"sources": ["web", "academic"],
124	"optimizationMode": "quality",
125	"systemInstructions": "用中文回答，重点分析技术架构差异和适用场景",
126	"chatModel": {"providerId": "00a2a3e5-5949-4938-9842-037ffa97a47a", "key": "qwen3.5-plus"},
127	"embeddingModel": {"providerId": "2e10b45d-b8aa-4dfd-8124-c11f86abcba8", "key": "text-embedding-v3"}
128	}'
129	```
130
131	### 多轮追问
132
133	```bash
134	curl -s -X POST "http://localhost:3010/api/search" \
135	-H "Content-Type: application/json" \
136	-d '{
137	"query": "其中哪个框架最适合企业级部署？",
138	"sources": ["web"],
139	"history": [
140	{"role": "user", "content": "2025年主流 AI Agent 框架有哪些"},
141	{"role": "assistant", "content": "主流框架包括 LangChain、CrewAI、AutoGen..."}
142	],
143	"chatModel": {"providerId": "00a2a3e5-5949-4938-9842-037ffa97a47a", "key": "qwen3.5-plus"},
144	"embeddingModel": {"providerId": "2e10b45d-b8aa-4dfd-8124-c11f86abcba8", "key": "text-embedding-v3"}
145	}'
146	```
147
148	## 服务管理
149
150	```bash
151	# 查看状态
152	docker ps --filter name=vane
153
154	# 查看日志
155	docker logs vane --tail 20
156
157	# 重启
158	docker restart vane
159
160	# 停止/启动
161	docker stop vane
162	docker start vane
163	```

People who liked this also viewed

6 picks

Type

vane-search

101stars14forks

View on GitHub

How to install vane-search?

szsip239/teamclaw/vane-search

$npx -y skills add szsip239/teamclaw --skill vane-search

Installs into the current project.

Summary

Files · 1

View on GitHub

SKILL.md

1	# Vane Search API
2
3	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。
4
5	## 服务地址
6
7	- API: `http://localhost:3010/api/search` (POST)
8	- Web UI: `http://localhost:3010`
9	- 容器名: `vane`
10
11	## 快速调用
12
13	```bash
14	curl -s -X POST "http://localhost:3010/api/search" \
15	-H "Content-Type: application/json" \
16	-d '{
17	"query": "你的搜索问题",
18	"sources": ["web"],
19	"chatModel": {
20	"providerId": "00a2a3e5-5949-4938-9842-037ffa97a47a",
21	"key": "qwen3.5-plus"
22	},
23	"embeddingModel": {
24	"providerId": "2e10b45d-b8aa-4dfd-8124-c11f86abcba8",
25	"key": "text-embedding-v3"
26	}
27	}'
28	```
29
30	## 完整参数说明
31
32	\| 参数 \| 类型 \| 必填 \| 默认值 \| 说明 \|
33	\|------\|------\|------\|--------\|------\|
34	\| `query` \| string \| ✅ \| — \| 搜索/提问内容 \|
35	\| `sources` \| string[] \| ✅ \| — \| 搜索来源，见下方来源列表 \|
36	\| `chatModel` \| object \| ✅ \| — \| `{providerId, key}` 聊天模型 \|
37	\| `embeddingModel` \| object \| ✅ \| — \| `{providerId, key}` 向量模型 \|
38	\| `optimizationMode` \| string \| ❌ \| `"speed"` \| 搜索深度：`speed` / `balanced` / `quality` \|
39	\| `stream` \| boolean \| ❌ \| `false` \| 是否流式输出 \|
40	\| `history` \| array \| ❌ \| `[]` \| 对话历史，用于多轮追问 \|
41	\| `systemInstructions` \| string \| ❌ \| `""` \| 自定义系统指令，控制回答风格 \|
42	\| `followUp` \| boolean \| ❌ \| `false` \| 追问模式 \|
43
44	## 模型配置
45
46	### Chat Model (必填)
47
48	当前配置为通义千问 (DashScope OpenAI-compatible API)：
49
50	```json
51	{
52	"providerId": "00a2a3e5-5949-4938-9842-037ffa97a47a",
53	"key": "qwen3.5-plus"
54	}
55	```
56
57	### Embedding Model (必填)
58
59	当前配置为 DashScope text-embedding-v3 (中文向量模型)：
60
61	```json
62	{
63	"providerId": "2e10b45d-b8aa-4dfd-8124-c11f86abcba8",
64	"key": "text-embedding-v3"
65	}
66	```
67
68	## sources 搜索来源
69
70	\| 值 \| 说明 \|
71	\|----\|------\|
72	\| `"web"` \| 网页搜索（通用，最常用） \|
73	\| `"academic"` \| 学术论文搜索 \|
74	\| `"reddit"` \| Reddit 讨论搜索 \|
75
76	可组合使用：`["web", "academic"]`
77
78	## optimizationMode 搜索深度
79
80	\| 模式 \| 说明 \| 适用场景 \|
81	\|------\|------\|----------\|
82	\| `"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 \|
83	\| `"balanced"` \| 均衡模式，搜索更多来源，回答更详细 \| 一般调研、信息收集 \|
84	\| `"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 \|
85
86	## 返回格式
87
88	```json
89	{
90	"message": "AI 生成的 Markdown 格式回答（含 [N] 引用标记）",
91	"sources": [
92	{
93	"title": "来源标题",
94	"url": "来源URL",
95	"content": "来源摘要内容"
96	}
97	]
98	}
99	```
100
101	## 使用示例
102
103	### 快速搜索 (speed)
104
105	```bash
106	curl -s -X POST "http://localhost:3010/api/search" \
107	-H "Content-Type: application/json" \
108	-d '{
109	"query": "Claude Code 最新版本是什么",
110	"sources": ["web"],
111	"chatModel": {"providerId": "00a2a3e5-5949-4938-9842-037ffa97a47a", "key": "qwen3.5-plus"},
112	"embeddingModel": {"providerId": "2e10b45d-b8aa-4dfd-8124-c11f86abcba8", "key": "text-embedding-v3"}
113	}'
114	```
115
116	### 深度调研 (quality)
117
118	```bash
119	curl -s -X POST "http://localhost:3010/api/search" \
120	-H "Content-Type: application/json" \
121	-d '{
122	"query": "2025年主流 AI Agent 框架对比分析",
123	"sources": ["web", "academic"],
124	"optimizationMode": "quality",
125	"systemInstructions": "用中文回答，重点分析技术架构差异和适用场景",
126	"chatModel": {"providerId": "00a2a3e5-5949-4938-9842-037ffa97a47a", "key": "qwen3.5-plus"},
127	"embeddingModel": {"providerId": "2e10b45d-b8aa-4dfd-8124-c11f86abcba8", "key": "text-embedding-v3"}
128	}'
129	```
130
131	### 多轮追问
132
133	```bash
134	curl -s -X POST "http://localhost:3010/api/search" \
135	-H "Content-Type: application/json" \
136	-d '{
137	"query": "其中哪个框架最适合企业级部署？",
138	"sources": ["web"],
139	"history": [
140	{"role": "user", "content": "2025年主流 AI Agent 框架有哪些"},
141	{"role": "assistant", "content": "主流框架包括 LangChain、CrewAI、AutoGen..."}
142	],
143	"chatModel": {"providerId": "00a2a3e5-5949-4938-9842-037ffa97a47a", "key": "qwen3.5-plus"},
144	"embeddingModel": {"providerId": "2e10b45d-b8aa-4dfd-8124-c11f86abcba8", "key": "text-embedding-v3"}
145	}'
146	```
147
148	## 服务管理
149
150	```bash
151	# 查看状态
152	docker ps --filter name=vane
153
154	# 查看日志
155	docker logs vane --tail 20
156
157	# 重启
158	docker restart vane
159
160	# 停止/启动
161	docker stop vane
162	docker start vane
163	```

People who liked this also viewed

6 picks

Type