Multimodal search tools have been completed.

 """
 """
-专为 AI Agent 设计的舆情搜索工具集 (Tavily)
+专为 AI Agent 设计的多模态搜索工具集 (Bocha)
 
 
-版本: 1.5
+版本: 1.1
 最后更新: 2025-08-22
 最后更新: 2025-08-22
 
 
-此脚本将复杂的Tavily搜索功能分解为一系列目标明确、参数极少的独立工具，
-专为AI Agent调用而设计。Agent只需根据任务意图选择合适的工具，
-无需理解复杂的参数组合。所有工具默认搜索“新闻”(topic='news')。
+此脚本将复杂的 Bocha AI Search 功能分解为一系列目标明确、参数极少的独立工具，
+专为 AI Agent 调用而设计。Agent 只需根据任务意图（如常规搜索、查找结构化数据或时效性新闻）
+选择合适的工具，无需理解复杂的参数组合。
 
 
-新特性:
-- 新增 `basic_search_news` 工具，用于执行标准、通用的新闻搜索。
-- 每个搜索结果现在都包含 `published_date` (新闻发布日期)。
+核心特性:
+- 强大多模态能力: 能同时返回网页、图片、AI总结、追问建议，以及丰富的“模态卡”结构化数据。
+- 模态卡支持: 针对天气、股票、汇率、百科、医疗等特定查询，可直接返回结构化数据卡片，便于Agent直接解析和使用。
 
 
 主要工具:
 主要工具:
-- basic_search_news: (新增) 执行标准、快速的通用新闻搜索。
-- deep_search_news: 对主题进行最全面的深度分析。
-- search_news_last_24_hours: 获取24小时内的最新动态。
-- search_news_last_week: 获取过去一周的主要报道。
-- search_images_for_news: 查找与新闻主题相关的图片。
-- search_news_by_date: 在指定的历史日期范围内搜索。
+- comprehensive_search: 执行全面搜索，返回网页、图片、AI总结及可能的模态卡。
+- search_for_structured_data: 专门用于查询天气、股票、汇率等可触发“模态卡”的结构化信息。
+- web_search_only: 执行纯网页搜索，不请求AI总结，速度更快。
+- search_last_24_hours: 获取过去24小时内的最新信息。
+- search_last_week: 获取过去一周内的主要报道。
 """
 """
 
 
 import os
 import os
-from typing import List, Dict, Any, Optional
-from dataclasses import dataclass, field
+import json
+from typing import List, Dict, Any, Optional, Literal
 
 
-# 运行前请确保已安装Tavily库: pip install tavily-python
+# 运行前请确保已安装 requests 库: pip install requests
 try:
 try:
-    from tavily import TavilyClient
+    import requests
 except ImportError:
 except ImportError:
-    raise ImportError("Tavily库未安装，请运行 `pip install tavily-python` 进行安装。")
+    raise ImportError("requests 库未安装，请运行 `pip install requests` 进行安装。")
 
 
 # --- 1. 数据结构定义 ---
 # --- 1. 数据结构定义 ---
+from dataclasses import dataclass, field
 
 
 @dataclass
 @dataclass
-class SearchResult:
-    """
-    网页搜索结果数据类
-    包含 published_date 属性来存储新闻发布日期
-    """
-    title: str
+class WebpageResult:
+    """网页搜索结果"""
+    name: str
     url: str
     url: str
-    content: str
-    score: Optional[float] = None
-    raw_content: Optional[str] = None
-    published_date: Optional[str] = None
+    snippet: str
+    display_url: Optional[str] = None
+    date_last_crawled: Optional[str] = None
 
 
 @dataclass
 @dataclass
 class ImageResult:
 class ImageResult:
-    """图片搜索结果数据类"""
-    url: str
-    description: Optional[str] = None
+    """图片搜索结果"""
+    name: str
+    content_url: str
+    host_page_url: Optional[str] = None
+    thumbnail_url: Optional[str] = None
+    width: Optional[int] = None
+    height: Optional[int] = None
+
+@dataclass
+class ModalCardResult:
+    """
+    模态卡结构化数据结果
+    这是 Bocha 搜索的核心特色，用于返回特定类型的结构化信息。
+    """
+    card_type: str  # 例如: weather_china, stock, baike_pro, medical_common
+    content: Dict[str, Any]  # 解析后的JSON内容
 
 
 @dataclass
 @dataclass
-class TavilyResponse:
-    """封装Tavily API的完整返回结果，以便在工具间传递"""
+class BochaResponse:
+    """封装 Bocha API 的完整返回结果，以便在工具间传递"""
     query: str
     query: str
-    answer: Optional[str] = None
-    results: List[SearchResult] = field(default_factory=list)
+    conversation_id: Optional[str] = None
+    answer: Optional[str] = None  # AI生成的总结答案
+    follow_ups: List[str] = field(default_factory=list) # AI生成的追问
+    webpages: List[WebpageResult] = field(default_factory=list)
     images: List[ImageResult] = field(default_factory=list)
     images: List[ImageResult] = field(default_factory=list)
-    response_time: Optional[float] = None
+    modal_cards: List[ModalCardResult] = field(default_factory=list)
 
 
 
 
 # --- 2. 核心客户端与专用工具集 ---
 # --- 2. 核心客户端与专用工具集 ---
 
 
-class TavilyNewsAgency:
+class BochaMultimodalSearch:
     """
     """
-    一个包含多种专用新闻舆情搜索工具的客户端。
+    一个包含多种专用多模态搜索工具的客户端。
     每个公共方法都设计为供 AI Agent 独立调用的工具。
     每个公共方法都设计为供 AI Agent 独立调用的工具。
     """
     """
+    
+    BASE_URL = "https://api.bochaai.com/v1/ai-search"
 
 
     def __init__(self, api_key: Optional[str] = None):
     def __init__(self, api_key: Optional[str] = None):
         """
         """
         初始化客户端。
         初始化客户端。
         Args:
         Args:
-            api_key: Tavily API密钥，若不提供则从环境变量 TAVILY_API_KEY 读取。
+            api_key: Bocha API密钥，若不提供则从环境变量 BOCHA_API_KEY 读取。
         """
         """
         if api_key is None:
         if api_key is None:
-            api_key = os.getenv("TAVILY_API_KEY")
+            api_key = os.getenv("BOCHA_API_KEY")
             if not api_key:
             if not api_key:
-                raise ValueError("Tavily API Key未找到！请设置TAVILY_API_KEY环境变量或在初始化时提供")
-        self._client = TavilyClient(api_key=api_key)
-
-    def _search_internal(self, **kwargs) -> TavilyResponse:
+                raise ValueError("Bocha API Key未找到！请设置 BOCHA_API_KEY 环境变量或在初始化时提供")
+        
+        self._headers = {
+            'Authorization': f'Bearer {api_key}',
+            'Content-Type': 'application/json',
+            'Accept': '*/*'
+        }
+
+    def _parse_search_response(self, response_dict: Dict[str, Any], query: str) -> BochaResponse:
+        """从API的原始字典响应中解析出结构化的BochaResponse对象"""
+        
+        final_response = BochaResponse(query=query)
+        final_response.conversation_id = response_dict.get('conversation_id')
+
+        messages = response_dict.get('messages', [])
+        for msg in messages:
+            role = msg.get('role')
+            if role != 'assistant':
+                continue
+
+            msg_type = msg.get('type')
+            content_type = msg.get('content_type')
+            content_str = msg.get('content', '{}')
+            
+            try:
+                content_data = json.loads(content_str)
+            except json.JSONDecodeError:
+                # 如果内容不是合法的JSON字符串（例如纯文本的answer），则直接使用
+                content_data = content_str
+
+            if msg_type == 'answer' and content_type == 'text':
+                final_response.answer = content_data
+            
+            elif msg_type == 'follow_up' and content_type == 'text':
+                final_response.follow_ups.append(content_data)
+
+            elif msg_type == 'source':
+                if content_type == 'webpage':
+                    web_results = content_data.get('value', [])
+                    for item in web_results:
+                        final_response.webpages.append(WebpageResult(
+                            name=item.get('name'),
+                            url=item.get('url'),
+                            snippet=item.get('snippet'),
+                            display_url=item.get('displayUrl'),
+                            date_last_crawled=item.get('dateLastCrawled')
+                        ))
+                elif content_type == 'image':
+                    final_response.images.append(ImageResult(
+                        name=content_data.get('name'),
+                        content_url=content_data.get('contentUrl'),
+                        host_page_url=content_data.get('hostPageUrl'),
+                        thumbnail_url=content_data.get('thumbnailUrl'),
+                        width=content_data.get('width'),
+                        height=content_data.get('height')
+                    ))
+                # 所有其他 content_type 都视为模态卡
+                else:
+                    final_response.modal_cards.append(ModalCardResult(
+                        card_type=content_type,
+                        content=content_data
+                    ))
+                    
+        return final_response
+
+
+    def _search_internal(self, **kwargs) -> BochaResponse:
         """内部通用的搜索执行器，所有工具最终都调用此方法"""
         """内部通用的搜索执行器，所有工具最终都调用此方法"""
+        query = kwargs.get("query", "Unknown Query")
+        payload = {
+            "stream": False,  # Agent工具通常使用非流式以获取完整结果
+        }
+        payload.update(kwargs)
+        
         try:
         try:
-            kwargs['topic'] = 'general'
-            api_params = {k: v for k, v in kwargs.items() if v is not None}
-            response_dict = self._client.search(**api_params)
-            
-            search_results = [
-                SearchResult(
-                    title=item.get('title'),
-                    url=item.get('url'),
-                    content=item.get('content'),
-                    score=item.get('score'),
-                    raw_content=item.get('raw_content'),
-                    published_date=item.get('published_date')
-                ) for item in response_dict.get('results', [])
-            ]
+            response = requests.post(self.BASE_URL, headers=self._headers, json=payload, timeout=30)
+            response.raise_for_status()  # 如果HTTP状态码是4xx或5xx，则抛出异常
             
             
-            image_results = [ImageResult(url=item.get('url'), description=item.get('description')) for item in response_dict.get('images', [])]
+            response_dict = response.json()
+            if response_dict.get("code") != 200:
+                print(f"API返回错误: {response_dict.get('msg', '未知错误')}")
+                return BochaResponse(query=query)
+
+            return self._parse_search_response(response_dict, query)
 
 
-            return TavilyResponse(
-                query=response_dict.get('query'), answer=response_dict.get('answer'),
-                results=search_results, images=image_results,
-                response_time=response_dict.get('response_time')
-            )
+        except requests.exceptions.RequestException as e:
+            print(f"搜索时发生网络错误: {str(e)}")
+            return BochaResponse(query=query)
         except Exception as e:
         except Exception as e:
-            print(f"搜索时发生错误: {str(e)}")
-            return TavilyResponse(query=kwargs.get("query", "Unknown Query"))
+            print(f"处理响应时发生未知错误: {str(e)}")
+            return BochaResponse(query=query)
 
 
     # --- Agent 可用的工具方法 ---
     # --- Agent 可用的工具方法 ---
 
 
-    def basic_search_news(self, query: str, max_results: int = 7) -> TavilyResponse:
+    def comprehensive_search(self, query: str, max_results: int = 10) -> BochaResponse:
         """
         """
-        【工具】基础新闻搜索: 执行一次标准、快速的新闻搜索。
-        这是最常用的通用搜索工具，适用于不确定需要何种特定搜索时。
+        【工具】全面综合搜索: 执行一次标准的、包含所有信息类型的综合搜索。
+        返回网页、图片、AI总结、追问建议和可能的模态卡。这是最常用的通用搜索工具。
         Agent可提供搜索查询(query)和可选的最大结果数(max_results)。
         Agent可提供搜索查询(query)和可选的最大结果数(max_results)。
         """
         """
-        print(f"--- TOOL: 基础新闻搜索 (query: {query}) ---")
+        print(f"--- TOOL: 全面综合搜索 (query: {query}) ---")
         return self._search_internal(
         return self._search_internal(
             query=query,
             query=query,
-            max_results=max_results,
-            search_depth="basic",
-            include_answer=False
+            count=max_results,
+            answer=True  # 开启AI总结
         )
         )
-
-    def deep_search_news(self, query: str) -> TavilyResponse:
+        
+    def web_search_only(self, query: str, max_results: int = 15) -> BochaResponse:
         """
         """
-        【工具】深度新闻分析: 对一个主题进行最全面、最深入的搜索。
-        返回AI生成的“高级”详细摘要答案和最多20条最相关的新闻结果。适用于需要全面了解某个事件背景的场景。
-        Agent只需提供搜索查询(query)。
+        【工具】纯网页搜索: 只获取网页链接和摘要，不请求AI生成答案。
+        适用于需要快速获取原始网页信息，而不需要AI额外分析的场景。速度更快，成本更低。
         """
         """
-        print(f"--- TOOL: 深度新闻分析 (query: {query}) ---")
+        print(f"--- TOOL: 纯网页搜索 (query: {query}) ---")
         return self._search_internal(
         return self._search_internal(
-            query=query, search_depth="advanced", max_results=20, include_answer="advanced"
+            query=query,
+            count=max_results,
+            answer=False # 关闭AI总结
         )
         )
 
 
-    def search_news_last_24_hours(self, query: str) -> TavilyResponse:
+    def search_for_structured_data(self, query: str) -> BochaResponse:
         """
         """
-        【工具】搜索24小时内新闻: 获取关于某个主题的最新动态。
-        此工具专门查找过去24小时内发布的新闻。适用于追踪突发事件或最新进展。
-        Agent只需提供搜索查询(query)。
+        【工具】结构化数据查询: 专门用于可能触发“模态卡”的查询。
+        当Agent意图是查询天气、股票、汇率、百科定义、火车票、汽车参数等结构化信息时，应优先使用此工具。
+        它会返回所有信息，但Agent应重点关注结果中的 `modal_cards` 部分。
         """
         """
-        print(f"--- TOOL: 搜索24小时内新闻 (query: {query}) ---")
-        return self._search_internal(query=query, time_range='d', max_results=10)
-
-    def search_news_last_week(self, query: str) -> TavilyResponse:
-        """
-        【工具】搜索本周新闻: 获取关于某个主题过去一周内的主要新闻报道。
-        适用于进行周度舆情总结或回顾。
-        Agent只需提供搜索查询(query)。
-        """
-        print(f"--- TOOL: 搜索本周新闻 (query: {query}) ---")
-        return self._search_internal(query=query, time_range='w', max_results=10)
+        print(f"--- TOOL: 结构化数据查询 (query: {query}) ---")
+        # 实现上与 comprehensive_search 相同，但通过命名和文档引导Agent的意图
+        return self._search_internal(
+            query=query,
+            count=5, # 结构化查询通常不需要太多网页结果
+            answer=True
+        )
 
 
-    def search_images_for_news(self, query: str) -> TavilyResponse:
+    def search_last_24_hours(self, query: str) -> BochaResponse:
         """
         """
-        【工具】查找新闻图片: 搜索与某个新闻主题相关的图片。
-        此工具会返回图片链接及描述，适用于需要为报告或文章配图的场景。
-        Agent只需提供搜索查询(query)。
+        【工具】搜索24小时内信息: 获取关于某个主题的最新动态。
+        此工具专门查找过去24小时内发布的内容。适用于追踪突发事件或最新进展。
         """
         """
-        print(f"--- TOOL: 查找新闻图片 (query: {query}) ---")
-        return self._search_internal(
-            query=query, include_images=True, include_image_descriptions=True, max_results=5
-        )
+        print(f"--- TOOL: 搜索24小时内信息 (query: {query}) ---")
+        return self._search_internal(query=query, freshness='oneDay', answer=True)
 
 
-    def search_news_by_date(self, query: str, start_date: str, end_date: str) -> TavilyResponse:
+    def search_last_week(self, query: str) -> BochaResponse:
         """
         """
-        【工具】按指定日期范围搜索新闻: 在一个明确的历史时间段内搜索新闻。
-        这是唯一需要Agent提供详细时间参数的工具。适用于需要对特定历史事件进行分析的场景。
-        Agent需要提供查询(query)、开始日期(start_date)和结束日期(end_date)，格式均为 'YYYY-MM-DD'。
+        【工具】搜索本周信息: 获取关于某个主题过去一周内的主要报道。
+        适用于进行周度舆情总结或回顾。
         """
         """
-        print(f"--- TOOL: 按指定日期范围搜索新闻 (query: {query}, from: {start_date}, to: {end_date}) ---")
-        return self._search_internal(
-            query=query, start_date=start_date, end_date=end_date, max_results=15
-        )
+        print(f"--- TOOL: 搜索本周信息 (query: {query}) ---")
+        return self._search_internal(query=query, freshness='oneWeek', answer=True)
 
 
 
 
 # --- 3. 测试与使用示例 ---
 # --- 3. 测试与使用示例 ---
 
 
-def print_response_summary(response: TavilyResponse):
-    """简化的打印函数，用于展示测试结果，现在会显示发布日期"""
+def print_response_summary(response: BochaResponse):
+    """简化的打印函数，用于展示测试结果"""
     if not response or not response.query:
     if not response or not response.query:
         print("未能获取有效响应。")
         print("未能获取有效响应。")
         return
         return
         
         
-    print(f"\n查询: '{response.query}' | 耗时: {response.response_time}s")
+    print(f"\n查询: '{response.query}' | 会话ID: {response.conversation_id}")
     if response.answer:
     if response.answer:
-        print(f"AI摘要: {response.answer[:120]}...")
-    print(f"找到 {len(response.results)} 条网页, {len(response.images)} 张图片。")
-    if response.results:
-        first_result = response.results[0]
-        date_info = f"(发布于: {first_result.published_date})" if first_result.published_date else ""
-        print(f"第一条结果: {first_result.title} {date_info}")
+        print(f"AI摘要: {response.answer[:150]}...")
+    
+    print(f"找到 {len(response.webpages)} 个网页, {len(response.images)} 张图片, {len(response.modal_cards)} 个模态卡。")
+
+    if response.modal_cards:
+        first_card = response.modal_cards[0]
+        print(f"第一个模态卡类型: {first_card.card_type}")
+
+    if response.webpages:
+        first_result = response.webpages[0]
+        print(f"第一条网页结果: {first_result.name}")
+
+    if response.follow_ups:
+        print(f"建议追问: {response.follow_ups}")
+
     print("-" * 60)
     print("-" * 60)
 
 
 
 
 if __name__ == "__main__":
 if __name__ == "__main__":
-    # 在运行前，请确保您已设置 TAVILY_API_KEY 环境变量
+    # 在运行前，请确保您已设置 BOCHA_API_KEY 环境变量
     
     
     try:
     try:
-        # 初始化“新闻社”客户端，它内部包含了所有工具
-        agency = TavilyNewsAgency()
+        # 初始化多模态搜索客户端，它内部包含了所有工具
+        search_client = BochaMultimodalSearch()
 
 
-        # 场景1: Agent 进行一次常规、快速的搜索
-        response1 = agency.basic_search_news(query="奥运会最新赛况", max_results=5)
+        # 场景1: Agent进行一次常规的、需要AI总结的综合搜索
+        response1 = search_client.comprehensive_search(query="人工智能对未来教育的影响")
         print_response_summary(response1)
         print_response_summary(response1)
 
 
-        # 场景2: Agent 需要全面了解“全球芯片技术竞争”的背景
-        response2 = agency.deep_search_news(query="全球芯片技术竞争")
+        # 场景2: Agent需要查询特定结构化信息 - 天气
+        response2 = search_client.search_for_structured_data(query="上海明天天气怎么样")
         print_response_summary(response2)
         print_response_summary(response2)
+        # 深度解析第一个模态卡
+        if response2.modal_cards and response2.modal_cards[0].card_type == 'weather_china':
+             print("天气模态卡详情:", json.dumps(response2.modal_cards[0].content, indent=2, ensure_ascii=False))
+
 
 
-        # 场景3: Agent 需要追踪“GTC大会”的最新消息
-        response3 = agency.search_news_last_24_hours(query="Nvidia GTC大会 最新发布")
+        # 场景3: Agent需要查询特定结构化信息 - 股票
+        response3 = search_client.search_for_structured_data(query="东方财富股票")
         print_response_summary(response3)
         print_response_summary(response3)
-        
-        # 场景4: Agent 需要为一篇关于“自动驾驶”的周报查找素材
-        response4 = agency.search_news_last_week(query="自动驾驶商业化落地")
+
+        # 场景4: Agent需要追踪某个事件的最新进展
+        response4 = search_client.search_last_24_hours(query="C929大飞机最新消息")
         print_response_summary(response4)
         print_response_summary(response4)
-        
-        # 场景5: Agent 需要查找“韦伯太空望远镜”的新闻图片
-        response5 = agency.search_images_for_news(query="韦伯太空望远镜最新发现")
-        print_response_summary(response5)
 
 
-        # 场景6: Agent 需要研究2025年第一季度关于“人工智能法规”的新闻
-        response6 = agency.search_news_by_date(
-            query="人工智能法规",
-            start_date="2025-01-01",
-            end_date="2025-03-31"
-        )
+        # 场景5: Agent只需要快速获取网页信息，不需要AI总结
+        response5 = search_client.web_search_only(query="Python dataclasses用法")
+        print_response_summary(response5)
+        
+        # 场景6: Agent需要回顾一周内关于某项技术的新闻
+        response6 = search_client.search_last_week(query="量子计算商业化")
         print_response_summary(response6)
         print_response_summary(response6)
+        
+        '''下面是测试程序的输出：
+        --- TOOL: 全面综合搜索 (query: 人工智能对未来教育的影响) ---
+
+查询: '人工智能对未来教育的影响' | 会话ID: bf43bfe4c7bb4f7b8a3945515d8ab69e
+AI摘要: 人工智能对未来教育有着多方面的影响。
+
+从积极影响来看：
+- 在教学资源方面，人工智能有助于教育资源的均衡分配[引用:4]。例如通过人工智能云平台，可以实现优质资源的共享，这对于偏远地区来说意义重大，能让那里的学生也接触到优质的教育内 容，一定程度上缓解师资短缺的问题，因为AI驱动的智能教学助手或虚拟...
+找到 10 个网页, 1 张图片, 1 个模态卡。
+第一个模态卡类型: video
+第一条网页结果: 人工智能如何影响教育变革
+建议追问: [['人工智能将如何改变未来的教育模式？', '在未来教育中，人工智能会给教师带来哪些挑战？', '未来教育中，学生如何利用人工智能提升学习效果？']]
+------------------------------------------------------------
+--- TOOL: 结构化数据查询 (query: 上海明天天气怎么样) ---
+
+查询: '上海明天天气怎么样' | 会话ID: e412aa1548cd43a295430e47a62adda2
+AI摘要: 根据所给信息，无法确定上海明天的天气情况。
+
+首先，所提供的信息都是关于2025年8月22日的天气状况，包括当天的气温、降水、风力、湿度以及高温预警等信息[引用:1][引用:2][引用:3][引用:5]。然而，这些信息没有涉及到明天（8月23 日）天气的预测内容。虽然提到了副热带高压一直到8月底高温都...
+找到 5 个网页, 1 张图片, 2 个模态卡。
+第一个模态卡类型: video
+第一条网页结果: 今日冲击38!上海八月高温天数和夏季持续高温天数有望双双破纪录_天气_低压_气象站
+建议追问: [['能告诉我上海明天的气温范围吗？', '上海明天会有降雨吗？', '上海明天的天气是晴天还是阴天呢？']]
+------------------------------------------------------------
+--- TOOL: 结构化数据查询 (query: 东方财富股票) ---
+
+查询: '东方财富股票' | 会话ID: 584d62ed97834473b967127852e1eaa0
+AI摘要: 仅根据提供的上下文，无法确切获取东方财富股票的相关信息。
+
+从给出的这些数据来看，并没有直接表明与东方财富股票相关的特定数据。例如，没有东方财富股票的涨跌幅情况、成交量、市值等具体数据[引用:1][引用:3]。也没有涉及东方财富股票在研报 、评级方面的信息[引用:2]。同时，上下文里关于股票价格、成交...
+找到 5 个网页, 1 张图片, 2 个模态卡。
+第一个模态卡类型: video
+第一条网页结果: 股票价格_分时成交_行情_走势图—东方财富网
+建议追问: [['东方财富股票近期的走势如何？', '东方财富股票有哪些主要的投资亮点？', '东方财富股票的历史最高和最低股价是多少？']]
+------------------------------------------------------------
+--- TOOL: 搜索24小时内信息 (query: C929大飞机最新消息) ---
+
+查询: 'C929大飞机最新消息' | 会话ID: 5904021dc29d497e938e04db18d7f2e2
+AI摘要: 根据提供的上下文，没有关于C929大飞机的直接消息，无法确切给出C929大飞机的最新消息。
+
+目前提供的上下文涵盖了众多航空领域相关事件，但多是围绕波音787、空客A380相关专家的人事变动、国产飞机“C909云端之旅”、科德数控的营收情况、俄制航空发动机供应相关以及其他非C929大飞机相关的内容。...
+找到 10 个网页, 1 张图片, 1 个模态卡。
+第一个模态卡类型: video
+第一条网页结果: 放弃美国千万年薪,波音787顶尖专家回国,或可协助破解C929
+建议追问: [['C929大飞机目前的研发进度如何？', '有没有关于C929大飞机预计首飞时间的消息？', 'C929大飞机在技术创新方面有哪些新进展？']]
+------------------------------------------------------------
+--- TOOL: 纯网页搜索 (query: Python dataclasses用法) ---
+
+查询: 'Python dataclasses用法' | 会话ID: 74c742759d2e4b17b52d8b735ce24537
+找到 15 个网页, 1 张图片, 1 个模态卡。
+第一个模态卡类型: video
+第一条网页结果: 不可不知的dataclasses  python小知识_python dataclasses-CSDN博客
+------------------------------------------------------------
+--- TOOL: 搜索本周信息 (query: 量子计算商业化) ---
+
+AI摘要: 量子计算商业化正在逐步推进。
+
+量子计算商业化有着多方面的体现和推动因素。从国际上看，美国能源部橡树岭国家实验室选择IQM Radiance作为其首台本地部署的量子计算机，计划于2025年第三季度交付并集成至高性能计算系统中[引用:4]；英国量子计算公司Oxford Ionics的全栈离子阱量子计算...
+找到 10 个网页, 1 张图片, 1 个模态卡。
+第一个模态卡类型: video
+第一条网页结果: 量子计算商业潜力释放正酣,微美全息(WIMI.US)创新科技卡位“生态高地”
+建议追问: [['量子计算商业化目前有哪些成功的案例？', '哪些公司在推动量子计算商业化进程？', '量子计算商业化面临的主要挑战是什么？']]
+------------------------------------------------------------'''
 
 
     except ValueError as e:
     except ValueError as e:
         print(f"初始化失败: {e}")
         print(f"初始化失败: {e}")
-        print("请确保 TAVILY_API_KEY 环境变量已正确设置。")
+        print("请确保 BOCHA_API_KEY 环境变量已正确设置。")
     except Exception as e:
     except Exception as e:
         print(f"测试过程中发生未知错误: {e}")
         print(f"测试过程中发生未知错误: {e}")