Media Search Tool#

媒体库搜索工具技能，用于通过 search.py 脚本搜索媒体内容。

Usage#

bash

python3 search.py --json-input '{"keywords": "搜索关键词", "limit": 10}' [--output-file results.json] [--output-console]

Parameters#

Required Arguments#

• --json-input: JSON格式的搜索参数

Search Parameters (JSON Input)#

参数名类型默认值可选值/格式必填说明keywordsstring无多个关键词用空格分隔是用户输入的搜索主题（如“乡村振兴 最新政策”），系统会自动拆分关键词提升召回率keyword_positionstring标题或正文``仅标题、 仅正文、 标题或正文否指定关键词匹配位置publish_time_startstring (datetime)见规则yyyy-MM-dd HH:mm:ss否发布时间开始时间，支持模糊时间词（见下）publish_time_endstring (datetime)当前时间yyyy-MM-dd HH:mm:ss否发布时间结束时间data_typestring全部news,app,weibo,wechat,wemedia,epaper（逗号分隔）否数据来源类型source_namestring全部信源任意信源名称否指定媒体来源（支持模糊匹配） 如“人民日报”、“新华社”、“澎湃新闻”limitinteger101 ~ 50否返回结果数量

keywords 拆分规则#

用于对用户输入的 keywords 进行智能拆分与规范化处理，以提升检索召回率与相关性。

一、基础拆分规则

1. 按空格拆分
   • 输入： 乡村振兴 最新政策
   • 输出： ["乡村振兴", "最新政策"]
2. 去除多余空格
   • 自动去除首尾空格及重复空格
3. 大小写统一（英文）
   • 全部转为小写（如： AI Policy → ai policy）

二、分词增强规则

1. 中文分词（语义切分）
   • 输入： 人工智能发展
   • 输出： ["人工智能", "发展"]
2. 中英文混合拆分
   • 输入： AI发展趋势
   • 输出： ["ai", "发展", "趋势"]
3. 数字与单位拆分
   • 输入： 5G产业
   • 输出： ["5g", "产业"]

三、停用词过滤

系统可过滤无意义词：的、了、和、是、在、与、及、以及、相关、方面、情况

自然语言时间解析规则#

用于从用户输入（关键词 / 对话文本）中识别时间表达，并转换为标准时间范围（ publish_time_start / publish_time_end）。

模糊时间关键词

关键词转换规则最新 / 实时当前时间 - 24 小时近期 / 最近当前时间 - 3 天

相对时间表达

表达转换规则最近1天 / 过去1天当前时间 - 1 天最近3天当前时间 - 3 天最近7天 / 最近一周当前时间 - 7 天最近1个月当前时间 - 30 天最近3个月当前时间 - 90 天

自然时间表达

表达转换规则今天当天 00:00:00 ~ 当前时间昨天昨天 00:00:00 ~ 23:59:59前天前天 00:00:00 ~ 23:59:59本周本周一 00:00:00 ~ 当前时间上周上周一 00:00:00 ~ 上周日 23:59:59本月本月1号 00:00:00 ~ 当前时间上月上月1号 00:00:00 ~ 上月最后一天 23:59:59今年当年 01-01 00:00:00 ~ 当前时间去年去年 01-01 00:00:00 ~ 12-31 23:59:59

默认时间规则

当用户 未提供任何时间信息 时： publish_time_start = 当前时间 - 90 天 publish_time_end = 当前时间

解析规则说明

1. 所有“当前时间”均指系统当前时间（ now）
2. 时间范围统一输出格式：yyyy-MM-dd HH:mm:ss

Output Arguments#

• --output-file (string, optional): 将结果保存到指定JSON文件
• --output-console (flag, optional): 强制输出到控制台

Output Storage#

1. JSON Output File#

当指定 --output-file 时保存为JSON格式：

json

{
  "total": 100,
  "fallback_to_web": false,
  "items": [
    {
      "title": "文章标题",
      "summary": "文章摘要",
      "source_name": "信源名称",
      "data_type": "news",
      "url": "https://example.com"
    }
  ]
}

2. Console Output#

格式化文本输出到控制台，包含：

• 查询元数据（查询词、后端、时间、数量）
• 每个结果的详细信息
• 链接、摘要、正文预览

生成文件管理#

默认生成位置#

默认情况下，所有生成的文件保存在当前SKILL目录下：

• JSON输出文件需要手动指定完整路径，例如： sources/result.json

清理策略#

生成的JSON文件应根据情况删除：

• 需要删除时：JSON文件为临时/中间结果且不再需要时
• 需要保留时：JSON文件包含需要保留的重要数据时
• 判断标准：根据文件内容的重要性和项目持续需求来评估

示例清理流程：

bash

# 生成结果到指定目录
python3 search.py --json-input '{"keywords": "test"}' --output-file sources/result.json

# 使用结果后，如不再需要则清理
rm sources/result.json  # 删除临时JSON文件

Examples#

Basic Search#

bash

python3 search.py --json-input '{"keywords": "人工智能 政策", "limit": 20}'

Search with Source Filter#

bash

python3 search.py --json-input '{"keywords": "乡村振兴", "limit": 10}'

Search with Time Range#

bash

python3 search.py --json-input '{
  "keywords": "人民日报 一带一路",
  "source_name": "人民日报",
  "publish_time_start": "2026-03-25 00:00:00",
  "publish_time_end": "2026-04-01 17:02:28"
}'

Save to JSON File#

bash

python3 search.py --json-input '{"keywords": "经济 发展"}' --output-file results.json

Console Output Only#

bash

python3 search.py --json-input '{"keywords": "科技创新"}' --output-console

Environment Requirements#

需要配置API密钥环境变量：

• NEWS_BIGDATA_API_KEY: API密钥
• NEWS_BIGDATA_API_SECRET: API密钥密钥

脚本异常处理#

当运行 search.py 脚本发生异常时：

• 系统会在控制台显示具体的错误信息
• 脚本会立即停止执行并返回错误代码
• 用户可根据显示的错误信息进行相应的故障排除

常见异常情况：

• API密钥配置缺失或无效
• JSON输入格式错误
• 网络连接问题
• 参数验证失败

Integration Notes#

1. Auto-save: 所有搜索结果自动保存到sources文件夹
2. Multi-format: 支持JSON文件、控制台、Markdown三种输出
3. Parameter validation: 自动验证参数范围和必填项
4. Logging: 详细的操作日志输出到控制台

Dependencies#

• scripts/media_search.py: 核心搜索引擎
• scripts/SearchParameters: 搜索参数模型
• scripts/MediaSearchEngine: 媒体搜索引擎类

Workflow Integration#

Basic Search Workflow#

bash

# 1. Search and view results in console
python3 search.py --json-input '{"keywords": "关键词"}' --output-console

# 2. Search and save to file
python3 search.py --json-input '{"keywords": "关键词"}' --output-file results.json

# 3. Search with filters
python3 search.py --json-input '{
  "keywords": "关键词",
  "limit": 20
}'

Advanced Usage#

bash

# Search with multiple criteria
python3 search.py --json-input '{
  "keywords": "人工智能 机器学习",
  "keyword_position": "标题或正文",
  "source_name": "科技日报",
  "limit": 30
}' --output-file ai_research.json

Troubleshooting#

• API Error: 检查环境变量 NEWS_BIGDATA_API_KEY 和 NEWS_BIGDATA_API_SECRET
• JSON Parse Error: 验证JSON格式正确性
• No Results: 尝试调整关键词或时间范围
• Permission Error: 确保有写入sources文件夹的权限