OrioSearch: Your AI Agent need WebSearch
vkfolio · 程式設計
OrioSearch 是一套開源、自行架設的網頁搜尋與內容擷取 API，為 AI 代理而打造。它模仿 Tavily 的介面。你換掉一個網址，原本的程式碼就能繼續運作。問題在哪？你得自己架設，而且每次查詢都不用付錢。這就是它的取捨。它把 SearXNG、FastAPI 和 Redis 打包成單一 Docker 部署，由你掌控，你的搜尋架構就放在你決定要放的地方。
關於 OrioSearch: Your AI Agent need WebSearch
OrioSearch 是什麼
OrioSearch 是一套你可以在自己機器或伺服器上執行的搜尋後端。它回應的 /search 與 /extract 呼叫和 Tavily 相同，結果來自 SearXNG 的中介搜尋層，也能回傳乾淨的頁面文字或由 AI 撰寫的答案。它的賣點很簡單：你的代理能用網頁搜尋，卻不用按用量計費，也不必把每次查詢送到別人的伺服器。
這個專案鎖定正在打造 AI 代理、RAG 流程或研究工具的開發者，他們不希望每次查詢的成本隨著用量膨脹。所有內容都以 MIT 授權釋出，所以你能讀程式碼、修改它，甚至商業部署。這種自由度很少見。大多數託管的搜尋 API 都把內部藏起來，你只能接受他們訂的價格，而價格往往隨你的用量攀升，條款一改你幾乎沒有話語權。
主要缺點是，架設這件事現在落在你頭上。你需要 Docker、一個能跑三個服務的地方，還有人能處理更新與斷線。搜尋引擎掛掉是你的基礎設施問題，不是廠商的客服要負責。團隊沒有提供託管雲端選項，所以你用便利換取掌控。先說清楚。誰該跳過？任何沒有伺服器可跑的人。
開始使用
- 在將託管此服務的機器上安裝 Docker 與 Docker Compose。
- 從 GitHub 複製儲存庫，然後執行
docker compose up --build，一次啟動 API、SearXNG 和 Redis。 - 用一個送往
/health的請求確認 API 正常運作，它應該回傳狀態 ok。 - 送出一個測試用的
POST /search呼叫，帶上查詢字串與max_results，確認你拿到標題、網址與摘要片段。 - 把你代理中原本的 Tavily 程式碼指向
http://localhost:8000，並移除 API 金鑰。
產品資訊
快速了解 OrioSearch: Your AI Agent need WebSearch 的定價、支援平台與效能。
適合對象
這項工具最適合的使用者、任務與情境。
使用者
- AI 代理開發者：你能拿到相容於 Tavily 的端點，又不必按查詢付費，前提是你對執行 Docker 不排斥。
- 業餘玩家與獨立開發者：免費、MIT 授權的設定讓你不用綁卡就能做原型。上線時間得自己顧。
- 有資料隱私規範的團隊：由於查詢永遠不離開你的基礎設施，這套方案適合不能把搜尋送給第三方的情況。
任務
- AI 代理網頁搜尋：把 `/search` 端點接進代理，讓它能在任務中途查資料，不會撞上請求限制。
- 內容擷取：用多層流程從網址抽出乾淨的 markdown 或純文字，適合把網頁餵進 RAG 索引。
- AI 答案生成：設定 `include_answer
情境
- 會發出數百次查詢的長時間研究工作：沒有按量計費，你的代理搜尋再多，成本都維持不變。
- 隱私敏感的流程：每次查詢都留在自己的網路內，而不是繞經廠商。
- 自行架設的代理架構：把搜尋跟你其他服務跑在同一台機器上，沒有外部相依要談。
主要功能
相容 Tavily 的直接替代
這套 API 對應 Tavily 的 /search、/extract 與 /tool-schema 端點，所以切換通常只代表改一個基礎網址、清掉 API 金鑰。你原本的代理程式碼與回應解析都能繼續用。這份相容性正是移轉不痛的原因，因為換一套普通 API，你得先重寫請求建構器、回應處理器與錯誤路徑，才能發布任何東西。不用重寫。也不用學新的 SDK。
透過 SearXNG 串接 70 多個搜尋引擎
OrioSearch 倚賴 SearXNG，彙整 Google、Bing、DuckDuckGo 等數十個來源的結果，並在 SearXNG 無法連線時自動退回 DuckDuckGo。來源越多，越有機會撈到單一引擎會漏掉的結果。哪個引擎最後勝出取決於查詢，而這正是把它們匯聚起來的意義。
多層內容擷取
當你指向一個網址，擷取流程會先用 trafilatura，失敗時退回 readability-lxml。它回傳的是乾淨的 markdown 或純文字，而不是原始 HTML。這幫你在內容送進模型前省下一道解析步驟。小事。但在數千個頁面上累積起來就有差。
附引用來源的 AI 答案
打開 include_answer: true，OrioSearch 會用相容 OpenAI 的模型，從回傳的結果綜合出答案，再附上來源。你可以讓它在本機跑 Ollama，或轉到 OpenAI 或 Groq，如果你偏好託管模型。由你決定。答案品質會跟著你接上的模型走，小型本地模型跟頂尖模型讀起來不會一樣。
SSE 串流結果
/search/stream 端點會透過 Server-Sent Events，在結果一抵達就推送，而不是等完整回應。對一拿到有用結果就行動的代理來說，這能省下每一輪的實際時間。當你的代理每個任務要發出數十次搜尋，這可不是小確幸。
Redis 快取與重新排序
Redis 以可設定的 TTL 批次處理查詢，並優雅地退回過期快取，重複查詢因此能快速回來。在此之上，一個小型 FlashRank ONNX 模型會依語意相關性重新排序結果，全部跑在 CPU 上，不依賴 PyTorch。不需要 GPU。這讓資源佔用小到能在一台普通機器上，跟你的應用一起跑。
優缺點
優點
- 每次查詢零成本，代理用量再大也不會變成不斷膨脹的帳單。
- 直接相容 Tavily，讓移轉簡化成改一行網址。
- 查詢與資料都留在自己的基礎設施，這對隱私敏感的工作很重要。
- MIT 授權讓你檢查、修改並商業使用，沒有任何附帶條件。
缺點
- 架設、更新與斷線都得自己扛，若機器在不巧的時刻掛掉，沒有託管雲端可退。
- 設定需要熟悉 Docker 與一些維運知識，這會讓非技術使用者卻步。
- AI 答案取決於你另外提供的 LLM，所以又多一個要設定與付費的環節。
- 沒有官方行動應用或外掛商店，一切都要透過 API。
常見問題
是。它以 MIT 授權開源，每次查詢都不收費，你的代理搜尋再多都一樣。唯一的花費是你執行 Docker 主機的費用。
相關內容
探索與 OrioSearch: Your AI Agent need WebSearch 相關的工具、技能與文章。
OrioSearch: Your AI Agent need WebSearch 替代方案
Forefront
Forefront · 程式設計Forefront 是一個用來打造開源 AI 的網頁平台。你可以用自己的資料微調主流的開源語言模型、評估它們的表現，再透過 API 執行，或匯出後自行架設。想要封閉式平台的便利、卻堅持要自己擁有模型與資料的開發者，就是這裡的目標客群。
Startkit
StartKit.AI · 程式設計Startkit 是一套用來打造 AI SaaS 與 AI 包裝產品的樣板。可以把它想成一個 AI 新創樣板，把枯燥的部分都先接好了：驗證、Stripe 與 Lemon Squeezy 付款、用量限制、交易型電子郵件，以及一套能與 OpenAI、Anthropic、Groq 或 Llama 溝通的 AI API 啟動套件。你複製儲存庫、設定價格，然後專心在產品中使用者真正願意付費的部分。它建構於 React 與 Tailwind 之上的 Next.js，所以大部分的樣板程式碼對你來說並不陌生。
Testim
Tricentis · 程式設計Testim 是專為網頁、行動與 Salesforce 應用程式打造的 AI 測試自動化平台，用來建立並執行端到端測試。它靠機器學習在介面變動時維持測試穩定，團隊因此少花時間修補壞掉的定位器。對於一款今天就能開始使用的自動化測試工具來說，這表現不算差。你透過在瀏覽器錄製動作來建立測試，需要更多控制時再補上 JavaScript。對忙碌的 QA 團隊來說，這是個可靠的選擇。