SearXNG 搜索引擎集成:Mullvad Leta 引擎的多搜索后端支持
2025-05-12 17:23:22作者:姚月梅Lane
在隐私保护搜索引擎领域,Mullvad Leta 是一个值得关注的选择。作为 SearXNG 开源元搜索引擎项目的一部分,Mullvad Leta 引擎最近迎来了一个重要功能升级——支持在 Google 和 Brave 两种搜索后端之间切换。
技术实现方案
Mullvad Leta 引擎的核心改进在于其配置灵活性。通过修改引擎的 YAML 配置文件,管理员可以轻松指定默认使用的搜索后端。配置项采用简单的键值对形式:
mullvad_search_engine: google
或者
mullvad_search_engine: brave
当未明确指定时,系统会默认使用 Google 作为搜索后端,确保向后兼容性。这种设计既保持了配置的简洁性,又提供了必要的灵活性。
底层机制解析
在技术实现层面,引擎内部会读取配置文件中的设置,并将这一信息通过 HTTP 请求的 form-data 部分传递给后端服务。具体来说,请求中会包含如下形式的数据:
对于 Google 后端:
Content-Disposition: form-data; name="engine"
google
对于 Brave 后端:
Content-Disposition: form-data; name="engine"
brave
这种设计使得后端服务能够准确识别并处理来自不同搜索引擎的请求,同时保持了前端配置的简洁性。
架构设计考量
项目维护者在设计这一功能时考虑了多种实现方案:
- 单一引擎多后端支持:当前采用的方案,通过配置切换后端,保持了代码的统一性
- 运行时切换:考虑过通过特殊语法实现即时切换,但会增加使用复杂度
- 独立引擎实现:将不同后端拆分为独立引擎,虽然可行但会导致代码重复
最终选择的方案在维护成本和使用便捷性之间取得了良好平衡。管理员可以通过简单的配置文件复制创建多个实例,每个实例指向不同的搜索后端,既保持了代码的DRY原则,又提供了部署灵活性。
用户体验优化
对于终端用户而言,这一改进带来了更丰富的搜索选择。Google 后端提供广泛的覆盖范围,而 Brave 后端则强调隐私保护。用户可以根据不同场景需求,通过管理员配置获得最适合的搜索体验。
该功能的实现体现了 SearXNG 项目对隐私保护和用户选择的双重重视,为注重隐私的用户提供了更多元化的搜索选择,同时保持了系统的简洁性和易用性。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
IEC61850建模工具及示例资源:智能电网自动化配置的完整指南 海康威视DS-7800N-K1固件升级包全面解析:提升安防设备性能的关键资源 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 SteamVR 1.2.3 Unity插件:兼容Unity 2019及更低版本的VR开发终极解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
177
195
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
270
93
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
378
3.33 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1