OpenSpec: исследование + tavily-proxy-setup, local-extractor (spec-driven для инфраструктуры)

2026-09-29 09:15:01 +00:00 · 2026-09-06 12:12:33 +00:00
commit d1a19ba6cd
26 changed files with 1669 additions and 0 deletions
@@ -0,0 +1,46 @@
+# Design: local-extractor
+
+## Approach
+
+Расширить существующий `/opt/hermes/.hermes/scripts/tavily_extract_proxy.py`:
+
+- В local-режиме (нет `--socks`) сервер НЕ проксирует в Tavily, а сам извлекает: для каждого URL делает HTTP-запрос (`httpx`, при `--local-socks` через SOCKS5-туннель) и конвертирует HTML → Markdown через `trafilatura` (включён в venv).
+- Формат ответа в точности повторяет Tavily `/extract`: `{"results":[{url,title,raw_content,metadata}], "failed_results":[{url,error}], "failed_urls":[...]}` — Hermes-провайдер (`plugins/web/tavily/provider.py:_normalize_tavily_documents`) обрабатывает его без изменений.
+- Режимы взаимозаменяемы через аргументы CLI:
+  - `--socks 127.0.0.1:1080` — forward в Tavily (как сейчас в systemd)
+  - `--local` или ничего — локальная экстракция
+  - `--local-socks 127.0.0.1:1080` — локальная, но страницы через туннель
+- systemd-юнит указать на tavily_extract_proxy.py (уже сделано, forward-режим).
+
+## Files
+
+- `/opt/hermes/.hermes/scripts/tavily_extract_proxy.py` — добавлены `_fetch_page`, `_extract_local`, `_extract_local_batch`, `--local-socks`
+- `/opt/hermes/.hermes/hermes-agent/venv/` — установлен trafilatura 2.2.0
+- `/etc/systemd/system/tavily-proxy.service` — ExecStart → tavily_extract_proxy.py (forward), `--socks 127.0.0.1:1080`
+
+## Commands
+
+```bash
+# Локальный режим (тест)
+python3 /opt/hermes/.hermes/scripts/tavily_extract_proxy.py --port 8972 --local
+curl -s -X POST http://127.0.0.1:8972/extract -H 'Content-Type: application/json' \
+  -d '{"urls":["https://example.com"]}'   # → {"results":[...]}
+
+# Переключение systemd на local (когда решено отказаться от облака)
+# в /etc/systemd/system/tavily-proxy.service: ExecStart → ... --port 8971 --local
+# sudo systemctl daemon-reload && sudo systemctl restart tavily-proxy
+```
+
+## Rollback
+
+```bash
+# Вернуть forward-режим:
+# ExecStart → ... --socks 127.0.0.1:1080 --upstream https://api.tavily.com
+sudo systemctl daemon-reload && sudo systemctl restart tavily-proxy
+```
+
+## Risks
+
+- trafilatura хуже Tavily на JS-heavy страницах (нет headless-браузера) — приемлемо для типовых статей/доков.
+- Локальная экстракция не обходит блокировки РФ сама по себе — нужен `--local-socks` через туннель для таких сайтов.
+- Fetch без туннеля из РФ на github может висеть — ограничение сети, не кода.