orbitalo/homelab-brain

Fork 0

[Jarvis] Web-Suche — SearXNG (Schnellsuche) + Open Deep Research (Tiefenrecherche) #35

New issue

Closed

opened 2026-03-15 14:19:52 +00:00 by orbitalo · 1 comment

orbitalo commented

2026-03-15 14:19:52 +00:00

Owner

Ziel

Zwei Stufen der Web-Suche:

Schnellsuche (3-10 Sek): SearXNG + LLM-Zusammenfassung fuer Alltagsfragen
Tiefenrecherche (5-10 Min): Open Deep Research Agent fuer komplexe Themen

Stufe 1: SearXNG Schnellsuche

Setup

Neuer LXC auf pve-hetzner (~256 MB RAM)
SearXNG Docker oder direkt installiert
JSON-API aktivieren

Bot-Integration

Neues LLM-Tool web_search in llm.py
context.py: Tool-Handler ruft SearXNG API auf
Top 3-5 Ergebnisse → LLM fasst zusammen
Antwort mit Quellenangaben

Aufwand: ~halber Tag

Stufe 2: Open Deep Research

Repo

https://github.com/langchain-ai/open_deep_research (10.700+ Stars)

Was es kann

Multi-Agent: Sucht, liest, vergleicht, schreibt Report
20-30 Quellen pro Recherche
Platz 6 im Deep Research Benchmark (Score 0.43, ChatGPT ~0.73)
Unterstuetzt: Gemini, OpenRouter, Ollama (KI-Tower spaeter)

Setup

Eigener LXC oder Container auf pve-hetzner
Python + LangGraph
Konfiguration: Gemini als LLM (vorhanden), SearXNG als Suchbackend

Bot-Integration

Neues LLM-Tool deep_research in llm.py
LLM entscheidet: einfache Frage → web_search, komplexe Frage → deep_research
Ergebnis als Telegram-Nachricht (Zusammenfassung) + optional volles Dokument

Aufwand: ~1-2 Tage

Routing-Logik

User-Frage
    |
    v
LLM entscheidet:
    ├── Fakten/Wetter/Preis → web_search (SearXNG, 3 Sek)
    ├── Vergleich/Analyse/Report → deep_research (5-10 Min)
    └── Kein Web noetig → Memory/RAG (wie bisher)

Abhaengigkeiten

SearXNG Container (Stufe 1)
OpenRouter/Gemini API Key (vorhanden)
Optional: KI-Tower (#20) + Ollama (#22) fuer komplett lokale Recherche

Gesamtaufwand: ~2-3 Tage

## Ziel Zwei Stufen der Web-Suche: 1. **Schnellsuche** (3-10 Sek): SearXNG + LLM-Zusammenfassung fuer Alltagsfragen 2. **Tiefenrecherche** (5-10 Min): Open Deep Research Agent fuer komplexe Themen --- ## Stufe 1: SearXNG Schnellsuche ### Setup - Neuer LXC auf pve-hetzner (~256 MB RAM) - SearXNG Docker oder direkt installiert - JSON-API aktivieren ### Bot-Integration - Neues LLM-Tool `web_search` in llm.py - context.py: Tool-Handler ruft SearXNG API auf - Top 3-5 Ergebnisse → LLM fasst zusammen - Antwort mit Quellenangaben ### Aufwand: ~halber Tag --- ## Stufe 2: Open Deep Research ### Repo https://github.com/langchain-ai/open_deep_research (10.700+ Stars) ### Was es kann - Multi-Agent: Sucht, liest, vergleicht, schreibt Report - 20-30 Quellen pro Recherche - Platz 6 im Deep Research Benchmark (Score 0.43, ChatGPT ~0.73) - Unterstuetzt: Gemini, OpenRouter, Ollama (KI-Tower spaeter) ### Setup - Eigener LXC oder Container auf pve-hetzner - Python + LangGraph - Konfiguration: Gemini als LLM (vorhanden), SearXNG als Suchbackend ### Bot-Integration - Neues LLM-Tool `deep_research` in llm.py - LLM entscheidet: einfache Frage → web_search, komplexe Frage → deep_research - Ergebnis als Telegram-Nachricht (Zusammenfassung) + optional volles Dokument ### Aufwand: ~1-2 Tage --- ## Routing-Logik ``` User-Frage | v LLM entscheidet: ├── Fakten/Wetter/Preis → web_search (SearXNG, 3 Sek) ├── Vergleich/Analyse/Report → deep_research (5-10 Min) └── Kein Web noetig → Memory/RAG (wie bisher) ``` ## Abhaengigkeiten - SearXNG Container (Stufe 1) - OpenRouter/Gemini API Key (vorhanden) - Optional: KI-Tower (#20) + Ollama (#22) fuer komplett lokale Recherche ## Gesamtaufwand: ~2-3 Tage

orbitalo added the

jarvis

label 2026-03-15 14:19:52 +00:00

orbitalo changed title from ~~[Jarvis] Web-Suche mit KI-Bewertung — SearXNG + LLM-Zusammenfassung~~ to [Jarvis] Web-Suche — SearXNG (Schnellsuche) + Open Deep Research (Tiefenrecherche)

2026-03-15 14:28:07 +00:00

orbitalo referenced this issue

2026-03-20 19:58:49 +00:00

Local Deep Research aufsetzen (CT 121) #41

orbitalo referenced this issue from a commit

2026-03-20 20:59:36 +00:00

feat: web_search Tool via SearXNG ergaenzen

orbitalo commented

2026-03-21 17:28:52 +00:00

Author

Owner

✅ Erledigt am 21.03.2026 (via Perplexity statt SearXNG)

Umgesetzt mit:

Schnellsuche: perplexity/sonar via OpenRouter (kein eigener SearXNG-Server nötig)
Tiefensuche: perplexity/sonar-deep-research via OpenRouter

Routing in llm.py:

_WEB_TRIGGERS Keywords → sonar
_DEEP_TRIGGERS Keywords (tiefensuche, deep research etc.) → sonar-deep-research

SearXNG-Eigenhosting und Open Deep Research (CT 121) damit obsolet — Perplexity liefert bessere Qualität.

✅ Erledigt am 21.03.2026 (via Perplexity statt SearXNG) Umgesetzt mit: - **Schnellsuche**: `perplexity/sonar` via OpenRouter (kein eigener SearXNG-Server nötig) - **Tiefensuche**: `perplexity/sonar-deep-research` via OpenRouter Routing in `llm.py`: - `_WEB_TRIGGERS` Keywords → sonar - `_DEEP_TRIGGERS` Keywords (tiefensuche, deep research etc.) → sonar-deep-research SearXNG-Eigenhosting und Open Deep Research (CT 121) damit obsolet — Perplexity liefert bessere Qualität.

orbitalo closed this issue

2026-03-21 17:28:55 +00:00