SearXNG 是开源隐私优先的元搜索引擎，聚合 Google、Bing、DuckDuckGo 等多个搜索引擎结果，用户在自托管实例上获得无追踪的搜索体验。

SearXNG

SearXNG 的核心参数与统计

SearXNG 是目前全球最活跃的开源元搜索引擎项目（2021 年从 Searx 分支独立），定位是"隐私优先的搜索聚合层"——它自己不爬取和索引网页，而是在用户与各搜索引擎之间充当匿名代理，聚合最多 279 个搜索服务的结果，去重后统一展示。

项目	公开信息
官方定位	开源隐私元搜索引擎（Metasearch Engine）
聚合引擎数量	最多 279 个搜索服务（含 Web、图片、视频、新闻、文件）
部署方式	自托管（Docker / 手动 / 脚本安装）
开源协议	AGPL-3.0
GitHub Stars	~34,000+
GitHub Forks	~3,200+
社区贡献者	281 人
翻译语言	58 种（通过 Weblate 协作翻译）
公共实例数量	约 70 个活跃实例（见 searx.space）
核心语言	Python 82%、Shell 6%、HTML 5%、Less 3.8%、TypeScript 2.8%
隐私特性	不记录 IP、不存储搜索日志、支持 Tor 匿名Cookie 可选
支持平台	Web、API（JSON）
发布模型	Rolling Release（无固定版本号，以 commit 日志替代 CHANGELOG）

核心差异：SearXNG 不是"AI 搜索引擎"，而是"元搜索引擎的隐私壳"。它不自己建索引，而是在用户和各搜索引擎之间充当匿名代理——相当于用一层 Privoxy 级别的隐私保护，换取"同时调取 Google + Bing + DuckDuckGo + Brave + Qwant 等多家结果"的统一搜索体验。与 AI 搜索引擎（如 Perplexity、秘塔搜索）的区别在于：SearXNG 不做摘要生成或语义理解，只做结果聚合与去重。

SearXNG 的用户与市场认可

GitHub 社区规模：截至 2026 年 7 月，SearXNG 在 GitHub 获得约 34,000 星标3,200 Fork、281 名贡献者，是开源搜索领域最活跃的项目之一。提交频率保持在每日多次合并，CI/CD 流水线覆盖单元测试UI 自动化截图测试和代码质量门禁。

隐私组织推荐：SearXNG 被多个隐私保护组织和活动（如「Degoogle」运动PrivacyTools、Privacy Guides）列为推荐搜索引擎，是隐私敏感用户的首选自托管方案之一。

公共实例生态：社区维护的 searx.space 站点实时追踪全球约 70 个活跃公共实例，涵盖欧洲、北美、亚洲等多个地区，用户无需自托管即可快速体验。这些实例的可用性和延迟由社区通过 Uptime 监控面板公开。

企业/机构采用：多所欧洲大学和研究机构内部部署 SearXNG 作为统一搜索入口，替代直接使用商业搜索引擎时的隐私泄露风险。企业级采用的具体客户名单未公开。

SearXNG 的成本优势：自托管消除搜索的隐私税

SearXNG 本身完全免费（AGPL-3.0），使用成本主要体现在服务器资源与运维投入上。以下按三层拆解：

• C 端/个人用户：零成本。可使用社区公共实例（searx.space 列表），无需任何付费。代价是实例可用性、速度和结果质量不受保障，且公共实例可能因上游引擎反爬机制变化而临时失效。对偶尔使用的隐私敏感用户而言，这是当前成本最低的隐私搜索方案。

• 开发者/API 用户：零软件许可成本 + 服务器成本。开发者可在自建应用（如 AI Agent、RAG 管道）中嵌入 SearXNG 的 JSON 搜索 API，避免直接调用商业搜索引擎 API 产生的按千次计费成本。所需服务器规格极低——最低 1 GB RAM 即可运行 Docker 实例，月均服务器成本约 5–15 美元（取决于云厂商和流量）。与 Google Custom Search API（每千次查询 5 美元）或 Bing Search API（每千次 2–7 美元）相比，SearXNG 在高频查询场景下可节省 90% 以上的 API 调用费用。

• 企业/私有化部署：软件零成本 + 运维人力成本 + 服务器成本。企业可在内网部署 SearXNG 作为统一搜索网关，消除员工使用公网搜索引擎时的数据外泄风险。主要成本来自运维投入——包括 Docker 容器管理、搜索引擎适配器维护（上游引擎反爬变更时需更新适配器）、以及 HTTPS 证书与域名配置。无官方企业版或商业支持，所有维护依赖内部团队或社区资源。对已具备 DevOps 能力的中大型团队，边际运维成本极低。

SearXNG 的主要功能

SearXNG 的功能设计围绕一个核心矛盾展开：如何在聚合多个搜索引擎结果的同时，不让任何一方（包括 SearXNG 自身）获取用户的完整搜索画像。以下功能均围绕这一目标构建：

• 多引擎聚合与类别过滤：同时向最多 279 个搜索服务发起查询，支持按类别（Web、图片、视频、新闻、文件、社交媒体、地图IT、科学）分组启用/禁用。每个类别可独立配置引擎优先级和权重，实现搜索结果的灵活混排。隐藏联动：用户在日常 Web 搜索时，SearXNG 还能在侧栏同时返回该关键词的 Wikipedia 摘要Stack Exchange 问答、新闻头条和图片结果——相当于一次性完成跨引擎、跨类别的"全景搜索"，省去逐个打开标签页反复查询的时间。

• 隐私保护机制：服务器默认不记录用户 IP、搜索词User-Agent 和 Cookie。通过 POST 请求提交查询（避免搜索词出现在服务器访问日志中），并支持完全禁用 JavaScript 和 Cookie 的"裸搜索"模式。可选的 HTTP 代理链和 Tor 出口支持将隐私保护延伸到传输层——即使用户所在网络有境受限，也能通过 SearXNG 实现匿名搜索。隐藏联动：Cookie 可选的特性使 SearXNG 尤其适合嵌入 iframe 或作为其他 Web 工具的内置搜索模块，无需处理第三方 Cookie 策略冲突。

• 自托管部署体系：官方提供 Docker 镜像（基于 Alpine Linux，镜像体积约 150 MB）、手动安装脚本和 searxng.sh 运维工具三种部署路径。Docker 部署一行命令即可启动：docker run -d --name searxng -p 8080:8080 searxng/searxng。配套文档覆盖 Nginx 反向代理Apache 代理Let's Encrypt HTTPS 证书、系统服务（systemd）配置等完整运维场景。隐藏联动：Docker 部署与搜索 API 天然配套——自托管实例自动获得专属 API 端点，无需额外配置即可被外部工具调用。

• 搜索 API：提供标准的 JSON 格式搜索 API，支持 q（查询词）、categories（类别过滤）、pageno（分页）、language（语言）、format（输出格式：json/csv/rss）等参数。响应包含结果标题URL、摘要、引擎来源、图片缩略图和类别标签。开发者可在自建 AI Agent、RAG 管道或自动化工作流中嵌入 SearXNG API 作为 web search tool。隐藏联动：将 SearXNG 的 API 接入 LLM Agent 后，Agent 不仅能搜索，还能通过 categories 参数定向检索不同类别（如搜索"Python 异步编程"时同时要求 categories=wiki,docs），实现比通用搜索引擎 API 更精细的源选择。

• 主题引擎与自定义 UI：内置 Simple 主题（默认）、Oscar 主题等前端界面，支持移动端自适应和深色模式。主题基于模板引擎渲染，用户可自定义 CSS 和页面元素。58 种语言的社区翻译覆盖了绝大多数界面文案。

• 插件与扩展系统：内置多个可配置插件（如搜索引擎 Ping、结果去重、自动重定向、搜索历史保存选项等），管理员可通过 plugins 配置开关。插件接口支持自定义开发，可在搜索结果被渲染前拦截和修改。

• 限流与机器人检测：内置 Limter 插件，通过 IP 指纹、查询频率和 User-Agent 识别自动化请求，在保护实例不被爬虫滥用的同时不影响正常用户。管理员可通过 limiter 配置调整阈值和白名单。

SearXNG 的模型与版本演进

SearXNG 采用 Rolling Release 模型——没有传统意义上的大版本号，所有更新持续合并到 master 分支，Docker 镜像标签对应 Git commit SHA。这一模式的选择源于其"搜索引擎适配器"的维护特性：上游搜索引擎（Google、Bing 等）的反爬机制和页面结构频繁变化，只有持续发布才能及时修复适配器失效。

版本发布脉络（以 2025–2026 里程碑为例）：

时间节点	版本标识	关键变更
~2024-Q4	2025.1	引入基于 Valkey 的缓存层，搜索结果响应时间降低 30–50%；新增 Brave Search 引擎适配器
~2025-Q2	2025.6	重写 Limiter 限流插件，支持基于 Redis/Valkey 的分布式限流；Python 最低版本升级至 3.11
~2025-Q3	2025.9	引入 Granian WSGI 服务器替代部分场景下的 uWSGI，内存占用降低约 20%；废弃 Google 图片引擎的旧版 HTML 解析器
~2026-Q1	2026.3	前端主题引擎重构，响应式布局与无障碍性（a11y）大幅改进；新增 Gitee Code Search 等中国区引擎适配器
~2026-Q2	2026.6	搜索结果缓存机制增强，新增对非标准端口的自托管支持；Docker 基础镜像迁移至 docker.io
~2026-07	2026.7（latest）	持续集成链路优化；Google HTML 引擎移除过时 GSA User-Agent；Weblate 翻译平台迁移；多种 Python 依赖包例行更新

以上时间与版本号以公开提交记录和文档历史为准，精确发布日期未公开。SearXNG 的版本演化脉络体现了两个趋势：缓存化（降低上游引擎查询压力）、容器化（降低自托管门槛）、AI 集成就绪（API 更稳定、输出格式更结构化）。

SearXNG 的技术优势

SearXNG 的技术优势不体现在"搜索算法"（它不自己做搜索），而体现在聚合效率、隐私隔离和可运维性三个维度：

• 异步并行请求架构：SearXNG 对多个搜索引擎同时发起 HTTP 请求，而非串行等待。所有请求在 Python 异步协程（asyncio）中并发执行，聚合响应的总耗时 ≈ 最慢引擎的响应时间，而非所有引擎响应时间之和。效果：即使配置了 10+ 个引擎，首屏结果通常在 1–3 秒内返回。适用场景：对搜索速度敏感但又不希望绑定单一引擎的用户。

• Valkey/Redis 缓存层：SearXNG 支持基于 Valkey（Redis 协议兼容）的二级缓存。对相同查询词和引擎组合，缓存命中后直接返回，避免重复请求上游引擎。效果：热门查询首次可能耗时 2 秒，后续同查询降低至 50–100 毫秒。附加收益：降低上游引擎的限流概率——缓存命中越多，对 Google/Bing 的请求越少，IP 被临时封禁的风险越低。

• 自适应引擎健康检测：SearXNG 持续追踪各引擎的可用性与响应时间。当某引擎持续超时或返回错误时，自动将其降权或临时移除出候选队列，不中断整体搜索流程。效果：即使个别引擎失效（如 Google 临时返回验证码页），搜索结果仍能从其他引擎正常返回。管理员可在 /stats 页面查看引擎健康面板。

• 分层隐私隔离：SearXNG 的隐私保护是分层的——HTTP 层（POST 请求避免日志记录）、应用层（不存储搜索历史）、传输层（可选 Tor/代理）。各层级可独立启停，管理员根据安全策略自由组合。对比：商业搜索引擎的"隐私模式"通常只承诺不存储日志（如 DuckDuckGo），但用户仍需将查询直接发送到其服务器；SearXNG 的自托管实例将搜索请求的可见性控制在自有服务器范围内，彻底消除第三方的数据收集可能。

• 低资源占用设计：最小 Docker 部署仅需 512 MB–1 GB RAM，Python + Flask/Granian 的运行时栈轻量且无 JDK 等重度依赖。即使同时服务 10–20 个并发用户，CPU 占用仍低于 1 核的 30%。对比：自托管 Elasticsearch 或 Solr 等全文搜索引擎至少需要 4 GB RAM 起步，SearXNG 的资源门槛低了一个数量级。

• 搜索引擎适配器（Engine Adapter）架构：每个搜索引擎对应一个适配器文件（searx/engines/ 目录下），封装该引擎的请求构造、响应解析和错误处理逻辑。新增引擎只需编写一个 Python 文件并注册到配置文件，无需修改核心代码。社区已贡献 Google、Bing、DuckDuckGo、Brave、Qwant、Wikipedia、Stack Exchange、GitHub Code Search 等主流引擎的适配器。隐形成本：适配器是 SearXNG 最脆弱的有节——上游引擎页面结构变化时适配器必须随之更新，否则直接失效。

SearXNG 的使用方式

SearXNG 提供三种使用路径，按隐私等级和技术门槛从低到高排列：

路径一：使用社区公共实例（零门槛）

1. 访问 searx.space，查看全球约 70 个活跃公共实例列表及其可用性状态。
2. 选择一个实例（建议选靠近自己地理位置的以减少延迟），直接进入搜索页面。
3. 在浏览器设置中将该实例设为默认搜索引擎（SearXNG 支持 OpenSearch 协议，大多数浏览器可自动识别）。
4. 可选的隐私增强：在实例设置页关闭 Cookie、禁用 JavaScript、选择"通过 POST 提交查询"。

路径二：Docker 自托管（推荐，适合个人/团队）

# 拉取并启动 SearXNG 容器
docker run -d --name searxng \
  -p 8080:8080 \
  -v "${PWD}/searxng-data:/etc/searxng" \
  searxng/searxng:latest

# 访问 http://localhost:8080 即可使用

如需 HTTPS 和自定义域名，配合 Nginx 反向代理：

server {
    listen 443 ssl;
    server_name search.yourdomain.com;

    location / {
        proxy_pass http://127.0.0.1:8080;
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
    }
}

详细配置参考官方文档的 Installation container 章节。

路径三：脚本自动安装（适合生产有境）

# 使用官方安装脚本
sudo bash -c "$(curl -fsSL https://raw.githubusercontent.com/searxng/searxng/master/utils/searxng.sh)" install all

该脚本自动完成 Python 有境、依赖安装、配置文件生成和 systemd 服务注册。支持 Ubuntu/Debian/Fedora 等主流 Linux 发行版。

API 接入（开发者路径）

import requests

# 向自托管 SearXNG 实例发送搜索请求
response = requests.post(
    "https://search.yourdomain.com/search",
    data={
        "q": "SearXNG 开源元搜索引擎",
        "format": "json",
        "categories": "general,news",
        "language": "zh-CN",
        "pageno": 1
    },
    timeout=10
)

results = response.json()
for r in results.get("results", []):
    print(f"{r['title']}: {r['url']}")

API 响应的核心字段：results（搜索结果数组，含 title/url/content/engine/category）、infoboxes（信息框，如 Wikipedia 摘要）、suggestions（搜索建议）和 engines（参与本次查询的引擎列表）。

SearXNG 的产品定价

SearXNG 采用完全开源免费模式（AGPL-3.0），无商业版本或付费功能。以下从三层展开：

层次	费用结构	隐性成本	建议
C 端/个人	免费使用公共实例	公共实例可能不稳定、速度慢；查询词暴露给实例维护者	轻度隐私用户选公共实例；高频用户自托管
开发者/API	零许可费 + 服务器成本（约 5–15 USD/月）	运维投入（适配器维护Docker 升级、安全补丁）	高频调用场景下比商业搜索 API 节省 90%+ 成本
企业/私有化	零许可费 + 运维人力成本	需要至少 0.5–1 名 DevOps 人力维护实例；无官方企业支持	建议结合内部已有 DevOps 能力，无需额外采购预算

与商业搜索 API 的成本对比（以日均 10,000 次查询为例）：

服务	月费估算	隐私保护	定制化能力	备注
Google Custom Search API	~1,500 USD（$5/千次）	差（Google 记录所有查询）	低（仅限定搜索范围）	API 有每日配额限制
Bing Search API	~600–2,100 USD（$2–7/千次）	差	中	按层级定价
SearXNG 自托管	~10–30 USD（云服务器）	完全自控	高（可配置引擎、主题API 参数）	需自行运维

数据以各自官方定价页面为准，SearXNG 对比基于最低 1 GB RAM 云服务器月费估算。

SearXNG 的应用场景

• 隐私敏感用户的默认搜索引擎：将 SearXNG（公共实例或自托管）设为浏览器默认搜索引擎，日常搜索全程不向 Google/Bing 暴露 IP 和查询词。核验重点：确认所选实例的隐私政策——即使 SearXNG 本身不记录日志，公共实例的维护者仍能看到查询流量。自托管才是彻底的隐私方案。

• AI Agent 的 Web Search Tool：在自主构建的 AI Agent（如 LangChain、AutoGen、CrewAI 框架）中接入 SearXNG JSON API，作为 Agent 检索外部信息的工具。相比直接调用 Google/Bing API 的优势：① 无 API Key 依赖和配额限制；② 查询不暴露给商业搜索引擎；③ 可通过 categories 参数实现分类搜索（如 Agent 处理技术问题时同时搜索 wiki,docs,github）。核验重点：确认 SearXNG 实例的 API 端点在 Agent 代码中硬编码为自托管地址，而非公共实例（公共实例可能对 API 调用限流）。

• 企业内部统一搜索网关：企业部署 SearXNG 作为统一搜索入口，员工通过公司域名搜索 Google、Bing、Wikipedia、Stack Overflow、GitHub 等公开资源。IT 部门可在中间层添加审计日志（SearXNG 支持自定义插件实现），记录搜索关键词用于合规审计。核验重点：内部部署需确认上游引擎的可接受使用条款——某些搜索引擎禁止通过元搜索引擎代理查询（Google 的 ToS 对此有模糊限制）。

• 教育/研究机构的跨库搜索：大学或研究机构配置 SearXNG 同时查询多个学术搜索引擎（Google Scholar、PubMed、arXiv、CrossRef、BASE），在一处获得跨库的学术搜索结果。SearXNG 的 infoboxes 功能可直接展示 Wikipedia 摘要和 Wikidata 结构化信息，辅助快速了解不熟悉的研究领域。

• 区域限制突破：当用户所在地区对 Google 等搜索引擎访问受限时，自托管 SearXNG 在可用区域的服务器上运行，用户通过内部网络访问该实例即可间接使用受限的搜索服务。注意：使用前需确认当地法律法规的合规性。

SearXNG 的适用人群

以下四类角色能从 SearXNG 获得最大价值，同时每类都有明确的不适配边界：

• 隐私保护倡导者：对搜索隐私有刚性需求，不愿让任何商业搜索引擎获取自己的浏览数据。适配前提：必须自托管实例才能确保隐私彻底（公共实例仅转移信任而非消除信任）。不适配边界：如果用户对搜索引擎的响应速度和结果相关性的要求高于隐私保护，SearXNG 不是最优选择——聚合搜索的中位延迟比直接使用 Google 高 30–80%。

• DevOps 工程师 / 自托管爱好者：拥有服务器资源和运维能力，乐于自己维护 Docker 容器和基础架构。适配前提：愿意投入时间阅读文档、配置 Nginx 反向代理和定期更新容器。不适配边界：不具备 Linux 服务器基础知识或不想承担运维责任的用户不应自托管，直接使用公共实例即可。

• AI Agent / LLM 应用开发者：正在构建需要 web search 能力的 AI Agent（如 RAG 管道的搜索结果增强AutoGPT 风格的自主代理），需要低成本的搜索 API 且对搜索来源有精细控制。适配前提：具备基本的 HTTP API 集成能力。不适配边界：如果 Agent 需要的是语义搜索或向量检索（而非关键词匹配的搜索结果），SearXNG 无法替代专门的嵌入+向量数据库方案。

• 小型团队/企业内部 IT 管理员：希望为团队提供一个统一的搜索入口，同时减少员工搜索行为被第三方追踪的风险。适配前提：有内部服务器资源且 IT 团队至少有一人能处理 Docker 运维。不适配边界：对搜索结果有强 SLA 要求（如 99.9% 可用性、<200ms 响应时间）的业务场景不适合，SearXNG 依赖上游引擎的健康状态，无法保证稳定的性能和结果质量。

总结与展望

SearXNG 是目前开源元搜索领域选型最成熟、社区最活跃的方案，以大约 34,000 GitHub Stars 和 281 贡献者的体量验证了隐私搜索的需求刚性。其核心价值在于——用自托管的隐私隔离换取"同时使用多家搜索引擎"的灵活体验，在用户和商业搜索引擎之间建立一道可自控的代理层。

当前限制与不确定性：

• 引擎适配器脆弱性：这是 SearXNG 最大的单点风险。上游搜索引擎的任何前端变更（如 Google 改版结果页Bing 引入新的反爬验证）均可能导致对应适配器失效。社区虽有持续维护，但修复存在时间差，期间该引擎搜索完全不可用。管理员需关注 GitHub Issues 中与引擎适配器相关的标签。
• 搜索结果质量不可控：SearXNG 不自己排序结果，各引擎返回的原始排名直接透传给用户。对需要高质量排序（如电商比价、学术文献精确检索）的场景，元搜索不如专用搜索引擎的定制化排序算法。
• 法律合规灰区：某些搜索引擎的服务条款明确禁止通过元搜索引擎代理查询。自托管实例理论上可能违反上游引擎的 ToS。虽然目前未见大规模执法案例，但企业在正式有境中大规模部署前应咨询法务。
• 无官方商业支持：全社区驱动意味着没有 SLA、没有专属客服、没有企业级功能（AD/LDAP 集成、精细化权限管理、审计日志导出等）。企业落地需要依赖内部 DevOps 能力补足这些缺失。

后续观察点：

• AI 搜索的融合趋势：SearXNG 社区是否会引入 LLM 结果摘要生成（类似 Perplexity 的风格），将 SearXNG 从"聚合器"进化为"聚合 + 摘要"的混合搜索层，值得关注。目前 roadmap 中尚无明确的 AI 集成计划。
• 与开源 AI 框架的深度集成：SearXNG API 已被 LangChain、LlamaIndex 等框架的社区插件支持，但尚未有官方维护的集成包。如果 SearXNG 团队推出官方 AI Agent 集成指南或 SDK，将大幅降低 AI 场景的接入门槛。

采购/采用风险评估：

SearXNG 适合作为辅助搜索入口引入技术栈，不适合作为核心业务搜索基础设施。推荐试点路径：先在内部团队部署一个 Docker 实例（约 1–2 小时），让 5–10 名成员作为日常搜索工具试用 2–4 周，评估搜索质量、速度和适配器稳定性是否满足团队需求。如果试运行期间 Google/Bing 等核心引擎的适配器故障率低于 5%，可考虑扩展至全团队使用。不需要任何软件采购预算——成本仅限服务器费用和运维人力。

相关工具：、You.com

版本信息

• SearXNG 2026.7 ：暂无官方精确日期。增强搜索结果缓存机制，改进搜索引擎适配器稳定性。 （~2026-07）
• SearXNG 2026.3 ：暂无官方精确日期。引入全新的主题引擎，改进移动端适配与可访问性。 （~2026-03）