对接 Tavily Search

由于 Tavily Search API 能够返回更详细的内容，我们选择将 Tavily Search 作为数据问答的数据来源。下面文档介绍了如何使用 Tavily Search 获取搜索结果，并将结果用于后续的问答推理流程。本文档分为两个部分：

MaxSearchSearchService：封装了对 Tavily Search（使用 SearxNG 客户端实现）的调用，并将搜索结果转换为 WebPageContent 对象列表。
AiSearchService：在原有的搜索流程中集成 Tavily Search，获取搜索结果后进一步进行排序、过滤、提示词生成，并调用预测服务生成回答。

1. MaxSearchSearchService

该服务类主要用于调用 Tavily Search API 获取搜索结果。这里我们提供了两种调用方式：

useTavilySearch：直接使用 Tavily Search（接口实现使用 SearxNG 客户端），返回更详细的内容。
useSearchNg：使用 SearxNG 搜索参数进行调用，作为备用实现，两种方式代码类似。

下面是完整代码及详细说明：

java

package nexus.io.max.search.services;

import java.util.ArrayList;
import java.util.List;

import nexus.io.model.web.WebPageContent;
import nexus.io.searxng.SearxngResult;
import nexus.io.searxng.SearxngSearchClient;
import nexus.io.searxng.SearxngSearchParam;
import nexus.io.searxng.SearxngSearchResponse;
import nexus.io.tavily.TavilyClient;
import nexus.io.tavily.TavilySearchResponse;
import nexus.io.tavily.TavilySearchResult;

public class MaxSearchSearchService {

  /**
   * 对外暴露的搜索接口，使用 Tavily Search 进行搜索
   * @param quesiton 用户输入的问题或查询内容
   * @return 搜索到的网页内容列表
   */
  public List<WebPageContent> search(String quesiton) {
    return useTavilySearch(quesiton);
  }

  /**
   * 使用 Tavily Search API 进行搜索，返回详细内容
   * 该方法内部调用 SearxngSearchClient.search() 接口，
   * 将返回的 SearxngResult 结果转换为 WebPageContent 对象
   *
   * @param quesiton 用户查询的关键词
   * @return 包含标题、链接以及详细内容的网页内容列表
   */
  public List<WebPageContent> useTavilySearch(String quesiton) {
    TavilySearchResponse searchResponse = TavilyClient.search(quesiton);

    List<TavilySearchResult> results = searchResponse.getResults();
    List<WebPageContent> webPageContents = new ArrayList<>();

    for (TavilySearchResult tavilySearchResult : results) {
      String title = tavilySearchResult.getTitle();
      String url = tavilySearchResult.getUrl();
      String content = tavilySearchResult.getContent();

      String raw_content = tavilySearchResult.getRaw_content();
      // 构造 WebPageContent 对象，并设置详细内容
      WebPageContent webpageContent = new WebPageContent(title, url, content, raw_content);

      webPageContents.add(webpageContent);
    }

    return webPageContents;
  }

  /**
   * 使用 SearxNG 搜索参数方式进行搜索
   * 可作为备用实现，此方法先设置搜索格式和查询关键词，再调用搜索接口
   *
   * @param quesiton 用户查询的关键词
   * @return 搜索到的网页内容列表
   */
  public List<WebPageContent> useSearchNg(String quesiton) {
    SearxngSearchParam searxngSearchParam = new SearxngSearchParam();
    searxngSearchParam.setFormat("json");
    searxngSearchParam.setQ(quesiton);

    SearxngSearchResponse searchResponse = SearxngSearchClient.search(searxngSearchParam);
    List<SearxngResult> results = searchResponse.getResults();
    List<WebPageContent> webPageContents = new ArrayList<>();
    for (SearxngResult searxngResult : results) {
      String title = searxngResult.getTitle();
      String url = searxngResult.getUrl();
      WebPageContent webpageContent = new WebPageContent(title, url);
      webpageContent.setContent(searxngResult.getContent());
      webPageContents.add(webpageContent);
    }
    return webPageContents;
  }
}

说明：

方法 search(String quesiton) 对外提供统一接口，内部调用 useTavilySearch 实现。
useTavilySearch 方法直接调用 SearxngSearchClient 接口获得搜索响应，然后遍历结果，提取标题、URL 以及内容，并封装成 WebPageContent 对象。
useSearchNg 方法展示了另一种调用方式，先设置搜索参数再调用接口，效果与前者类似。

2. AiSearchService

在原有的搜索处理流程中，我们将搜索结果数据来源切换为 Tavily Search。该服务类的主要职责如下：

获取用户查询、判断是否启用了 copilot（即是否需要自动调用搜索服务）。
根据用户输入和历史记录决定是否进行问题重写，调用相应服务获取重写结果。
使用 MaxSearchSearchService 进行搜索，获得搜索结果列表（List<WebPageContent>）。
根据优化模式（balanced 或 quality）对搜索结果进行排序、过滤或补充（调用 VectorRankerService、JinaReaderService 或 AiRankerService）。
将搜索结果保存到数据库，并通过 WebSocket 返回给客户端引用信息。
利用模板引擎生成提示词（inputPrompt），并最终调用 GeminiPredictService 进行回答生成。

下面是完整代码及详细说明：

java

package nexus.io.max.search.services;

import java.time.Instant;
import java.time.format.DateTimeFormatter;
import java.util.ArrayList;
import java.util.List;

import org.postgresql.util.PGobject;

import com.jfinal.kit.Kv;
import nexus.io.db.activerecord.Db;
import nexus.io.jfinal.aop.Aop;
import nexus.io.kit.PgObjectUtils;
import nexus.io.max.search.consts.OptimizationMode;
import nexus.io.max.search.vo.ChatParamVo;
import nexus.io.max.search.vo.ChatWsReqMessageVo;
import nexus.io.max.search.vo.ChatWsRespVo;
import nexus.io.max.search.vo.WebPageSource;
import nexus.io.model.web.WebPageContent;
import nexus.io.template.PromptEngine;
import nexus.io.tio.core.ChannelContext;
import nexus.io.tio.core.Tio;
import nexus.io.tio.http.common.RequestHeaderKey;
import nexus.io.http.common.sse.SsePacket;
import nexus.io.tio.utils.hutool.StrUtil;
import nexus.io.tio.utils.json.FastJson2Utils;
import nexus.io.tio.websocket.common.WebSocketResponse;

import lombok.extern.slf4j.Slf4j;
import okhttp3.Call;

@Slf4j
public class AiSearchService {
  public PredictService predictService = Aop.get(PredictService.class);
  private AiRankerService aiRankerService = Aop.get(AiRankerService.class);
  private MaxSearchSearchService maxSearchSearchService = Aop.get(MaxSearchSearchService.class);
  private VectorRankerService vectorRankerService = Aop.get(VectorRankerService.class);
  public boolean spped = true;

  /**
   * 处理搜索请求
   * 根据当前用户的设置（copilotEnabled、optimizationMode）决定是否进行搜索，
   * 然后调用 Tavily Search（通过 MaxSearchSearchService）获取网页内容，
   * 并进一步生成提示词供后续回答生成使用。
   *
   * @param channelContext 通道上下文，用于返回消息
   * @param reqMessageVo   用户请求消息对象，包含消息内容、用户设置及历史记录
   * @param chatParamVo    对话参数对象，保存问题重写结果、提示词、搜索结果等信息
   * @return 返回用于流式处理回答的 Call 对象
   */
  public Call search(ChannelContext channelContext, ChatWsReqMessageVo reqMessageVo, ChatParamVo chatParamVo) {
    String optimizationMode = reqMessageVo.getOptimizationMode();
    Boolean copilotEnabled = reqMessageVo.getCopilotEnabled();
    String content = reqMessageVo.getMessage().getContent();
    Long questionMessageId = reqMessageVo.getMessage().getMessageId();
    long answerMessageId = chatParamVo.getAnswerMessageId();

    String inputPrompt = null;
    if (copilotEnabled != null && copilotEnabled) {
      String quesiton = null;
      // 如果有问题重写，则优先使用重写后的问题，否则直接使用原始内容
      if (chatParamVo.getRewrited() != null) {
        quesiton = chatParamVo.getRewrited();
      } else {
        quesiton = content;
      }

      // 使用 MaxSearchSearchService 对 Tavily Search API 进行调用
      List<WebPageContent> webPageContents = maxSearchSearchService.search(quesiton);

      // 根据优化模式对搜索结果进行处理
      JinaReaderService jinaReaderService = Aop.get(JinaReaderService.class);
      if (OptimizationMode.balanced.equals(optimizationMode)) {

        List<WebPageContent> rankedWebPageContents = vectorRankerService.filter(webPageContents, quesiton, 1);
        rankedWebPageContents = jinaReaderService.spider(webPageContents);
        webPageContents.set(0, rankedWebPageContents.get(0));

      } else if (OptimizationMode.quality.equals(optimizationMode)) {
        // 质量模式下先过滤，再异步补全页面内容
        webPageContents = aiRankerService.filter(webPageContents, quesiton, 6);
        webPageContents = jinaReaderService.spiderAsync(webPageContents);
      }

      chatParamVo.setSources(webPageContents);
      // 将搜索结果转换为 JSON 格式保存到数据库中（便于记录历史消息）
      PGobject pgObject = PgObjectUtils.json(webPageContents);
      Db.updateBySql("update max_search_chat_message set sources=? where id=?", pgObject, questionMessageId);

      List<WebPageSource> sources = new ArrayList<>();

      for (WebPageContent webPageConteont : webPageContents) {
        sources.add(new WebPageSource(webPageConteont.getTitle(), webPageConteont.getUrl(), webPageConteont.getContent()));
      }

      String host = channelContext.getString(RequestHeaderKey.Host);
      if (host == null) {
        host = "//127.0.0.1";
      } else {
        host = "//" + host;
      }
      sources.add(new WebPageSource("All Sources", host + "/sources/" + questionMessageId));
      // 返回 sources 数据给客户端
      ChatWsRespVo<List<WebPageSource>> chatRespVo = new ChatWsRespVo<>();
      chatRespVo.setType("sources").setData(sources).setMessageId(answerMessageId);

      // 通过 WebSocket or sse 返回搜索结果引用信息给客户端
      if (channelContext != null) {
        byte[] jsonBytes = FastJson2Utils.toJSONBytes(chatRespVo);
        if (reqMessageVo.isSse()) {
          Tio.bSend(channelContext, new SsePacket(jsonBytes));
        } else {
          Tio.bSend(channelContext, new WebSocketResponse(jsonBytes));
        }
      }

      // 拼接所有搜索结果内容，用于生成提示词
      StringBuffer markdown = new StringBuffer();
      for (int i = 0; i < webPageContents.size(); i++) {
        WebPageContent webPageContent = webPageContents.get(i);
        String sourceContent = webPageContent.getContent();
        if (StrUtil.isBlank(sourceContent)) {
          sourceContent = webPageContent.getDescription();
        }
        String sourceFormat = "source %d %s %s  ";
        markdown.append(String.format(sourceFormat, (i + 1), webPageContent.getUrl(), sourceContent));
      }

      // 使用模板引擎生成提示词，提示词中包含当前日期和搜索结果上下文
      String isoTimeStr = DateTimeFormatter.ISO_INSTANT.format(Instant.now());
      Kv kv = Kv.by("date", isoTimeStr).set("context", markdown);
      inputPrompt = PromptEngine.renderToString("WebSearchResponsePrompt.txt", kv);
      log.info("deepkseek:{}", inputPrompt);
    }
    chatParamVo.setSystemPrompt(inputPrompt);
    return predictService.predict(channelContext, reqMessageVo, chatParamVo);
  }
}

说明：

在 search 方法中，首先判断是否启用了 copilot 模式。如果启用，则：
- 根据用户输入或重写后的问题作为查询内容。
- 使用 MaxSearchSearchService.search() 获取搜索结果。
- 根据不同的优化模式对搜索结果进行过滤、排序或内容补全。
- 将搜索结果保存到数据库，并构造返回给客户端的引用信息（通过 WebSocket）。
- 利用搜索结果内容和当前时间生成提示词（inputPrompt）。
最后，将生成的提示词设置到 chatParamVo 中，并调用 GeminiPredictService 进行回答生成。

总结

本文档详细介绍了如何将 Tavily Search API 对接到我们的问答系统中，作为数据来源获取更详细的网页内容。主要内容包括：

MaxSearchSearchService：封装了调用 Tavily Search（基于 SearxNG 实现）的接口，将搜索结果转换为 WebPageContent 对象列表。提供了两种调用方式（useTavilySearch 和 useSearchNg），以便灵活选择。
AiSearchService：在搜索流程中集成 Tavily Search 作为数据来源。通过调用 MaxSearchSearchService.search() 获取搜索结果，并对结果进行排序、过滤和提示词生成，最终调用 GeminiPredictService 进行后续回答生成。同时，该服务将搜索结果保存到数据库，并通过 WebSocket 将结果引用返回给客户端，保证整个问答流程的连贯性与实时性。

对接 Tavily Search ​

1. MaxSearchSearchService ​

2. AiSearchService ​

总结 ​

对接 Tavily Search

1. MaxSearchSearchService

2. AiSearchService

总结