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。

使用方法

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

参数说明

必需参数

• - --json-input: JSON格式的搜索参数

搜索参数（JSON输入）

参数名	类型	默认值	可选值/格式	必填	说明
keywords	string	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_position

string | 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 |

| publishtimestart | string (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） | | publishtimeend | string (datetime) | 当前时间 | yyyy-MM-dd HH:mm:ss | 否 | 发布时间结束时间 | | data_type | string | 全部 | news,app,weibo,wechat,wemedia,epaper（逗号分隔） | 否 | 数据来源类型 | | source_name | string | 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” | | limit | integer | 10 | 1 ~ 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. 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]

1. 2. 去除多余空格

- 自动去除首尾空格及重复空格

1. 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. 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]

1. 2. 中英文混合拆分

- 输入：AI发展趋势 - 输出：[ai, 发展, 趋势]

1. 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（publishtimestart / publishtimeend）。

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：
publishtimestart = 当前时间 - 90 天
publishtimeend = 当前时间

解析规则说明

1. 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

输出参数

• - --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

输出存储

1. JSON输出文件

当指定 --output-file 时保存为JSON格式： json { total: 100, fallbacktoweb: 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. 控制台输出

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

示例

基础搜索

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

带信源过滤的搜索

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

带时间范围的搜索

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

保存到JSON文件

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

仅控制台输出

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

环境要求

需要配置API密钥环境变量：

• - NEWSBIGDATAAPIKEY: API密钥
• NEWSBIGDATAAPISECRET: 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

集成说明

1. 1. 自动保存: 所有搜索结果自动保存到sources文件夹
2. 多格式支持: 支持JSON文件、控制台、Markdown三种输出
3. 参数验证: 自动验证参数范围和必填项
4. 日志记录: 详细的操作日志输出到控制台

依赖项

• - scripts/media_search.py: 核心搜索引擎
• scripts/SearchParameters: 搜索参数模型