media-search

当用户需要写新闻、找素材、查背景、核实信息、了解事件来龙去脉，或者提到"查一下"、"搜一下"、"找找相关报道"、"有什么最新消息"时，或开展互联网线索数据挖掘、新闻选题策划、内容采编、监测竞品或特定信源动态等业务时，需要进行全网媒体稿件检索、查找事件背景、行业数据、政策动态、人物信息、历史脉络等，都应使用此技能

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

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
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
publish_time_start	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）
publish_time_end	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. 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：

{
  "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：

# 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

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

Search with Source Filter

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

Search with Time Range

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

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

Console Output Only

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

# 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

# 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