VibeCoding改造博客使用Meilisearch搜索框—iflow创建搜索框

Meilisearch 博客优化 iflow 搜索功能

 2026/04/10 

k8s部署meilisearch

给公司的公有云部署了一个，挺有意思的，我准备后续给我的博客也用上
官方文档：https://github.com/meilisearch/meilisearch-kubernetes
支持资源清单或helm部署

1	wget https://raw.githubusercontent.com/meilisearch/meilisearch-kubernetes/refs/heads/main/manifests/meilisearch.yaml

建议加上环境变量 MEILI_MASTER_KEY
调整 NodeSelector、taint
默认使用 emptyDir 作为 tmp 和 data 卷，生产肯定需要改成 pvc

1	kubectl apply -f meilisearch.yaml

docker部署meilisearch

官方文档: https://www.meilisearch.com/docs/resources/self_hosting/getting_started/docker

mkdir /meili_data

docker run -itd --name meilisearch \
 -p 7700:7700 \
 -v /meili_data:/meili_data \
 -e MEILI_MASTER_KEY='MASTER_KEY'\
 getmeili/meilisearch:latest

token暴露问题

部署完成后，我要求 iflow：

在我的博客顶端中间增加一个颜色素、线条细的搜索框
搜索框与 Meilisearch 进行关联，并通过 hexo 主题的配置文件 _config.yaml 配置

但完成后发现一个新问题，就是这样我发起搜索的请求中，会直接带有 master key，这肯定不行

使用 master key 向 meilisearch 重新申请一个只有读权限的 key，然后展示这个 key
在 nginx 后端添加新的路由，并且附带 token 转发到本机的 7700 端口

meilisearch 不使用 bearer auth，而是使用特殊请求头 X-MEILI-API-KEY（全大写）

# 添加nginx配置
location /search/ {
    # 将请求转发到本地 7700 端口
    proxy_pass http://127.0.0.1:7700/;

    # 在后端隐式添加 Meilisearch API Key
    proxy_set_header X-MEILI-API-KEY "xxxxxx";

    # 传递其他必要的头信息
    proxy_set_header Host $host;
    proxy_set_header X-Real-IP $remote_addr;
    proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
    proxy_set_header X-Forwarded-Proto $scheme;

    # 限制客户端只能使用 POST 方法
    if ($request_method != POST) {
        return 405;
    }

    # 隐藏真实的后端响应头，防止信息泄露
    proxy_hide_header X-Meilisearch-Stats;
}

nginx -s reload

# 使用curl在云主机内部进行临时测试
curl -X POST 'http://127.0.0.1:7700/indexes/posts/search' \
    -H 'X-Meili-API-Key: xxxx' \
    -H 'Content-Type: application/json' \
    -d '{"q":"k8s","limit":5}'

# 看到已经可以正常访问meilisearch了，因为此时我还没有往里面传数据
{"message":"Index `posts` not found.","code":"index_not_found","type":"invalid_request","link":"https://docs.meilisearch.com/errors#index_not_found"}

创建索引与导入数据

这一步我让 openclaw 给我做了，主要内容如下：

中途我和它还对自动化、索引格式进行了讨论，所以说用 AI 还得懂技术才能用，不然他直接乱创建索引，查询效率就很低了

第一步：验证当前 Meilisearch 状态
# 1. 检查索引列表
curl -X GET 'http://114.55.64.10:7700/indexes' \
    -H 'X-MEILI-API-KEY: xxxxx'

# 2. 查看 posts 索引详情
curl -X GET 'http://114.55.64.10:7700/indexes/posts' \
    -H 'X-MEILI-API-KEY: xxxxx'

第二步：设计数据模型
基于 Hexo 文章结构：

{
    "id": "唯一标识（如文件名哈希）",
    "title": "文章标题",
    "content": "文章纯文本内容",
    "excerpt": "摘要",
    "date": "发布日期",
    "tags": ["标签数组"],
    "categories": ["分类数组"],
    "url": "文章URL"
}

第三步：创建/配置索引（如果需要）
# 如果 posts 索引不存在，创建它
curl -X POST 'http://114.55.64.10:7700/indexes' \
    -H 'X-MEILI-API-KEY: xxxxx' \
    -H 'Content-Type: application/json' \
    -d '{
        "uid": "posts",
        "primaryKey": "id"
    }'

第四步：提取 Hexo 博客文章
扫描 /blog/source/_posts/ 目录的所有 .md 文件
解析每篇文章：
- 提取 frontmatter（标题、日期、标签、分类）
- 提取内容并转换为纯文本
- 生成唯一ID

第五步：批量导入到 Meilisearch
# 分批导入文章数据
curl -X POST 'http://114.55.64.10:7700/indexes/posts/documents' \
    -H 'X-MEILI-API-KEY: xxxxx' \
    -H 'Content-Type: application/json' \
    -d '[{文章1数据}, {文章2数据}, ...]'

第七步：测试和验证
# 测试搜索功能
curl -X POST 'http://114.55.64.10:7700/indexes/posts/search' \
    -H 'X-MEILI-API-KEY: xxxxx' \
    -H 'Content-Type: application/json' \
    -d '{
        "q": "k8s",
        "limit": 5,
        "attributesToRetrieve": ["title", "date", "tags"],
        "attributesToHighlight": ["title"]
    }'