# 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.