feat(scraper): F1 — lista de motores SearXNG ampliada y configurable

_search_searxng hardcodeaba engines=duckduckgo,google,bing,brave, lo
que ignoraba cualquier motor extra de la instancia (y dejaba la
búsqueda coja cuando brave cae en rate limit y DDG en CAPTCHA, ambos
observados en vivo). Ahora la lista vive en settings.searxng_engines
(env SEARXNG_ENGINES, tunable por GitOps sin rebuild).

Default ampliado con motores verificados contra la instancia el
2026-07-03: +startpage +mojeek +presearch +google news +bing news
+internet archive scholar. Medido con queries reales: ~2x resultados
y ~2x dominios únicos por ~+2s/query. Excluidos qwant (denied),
yahoo (roto), wikidata (0 en texto) y wayback machine (duplicados).

Sin cambios en k8s-manifests: use_default_settings:true ya trae todos
estos motores configurados. El fallback a DDG queda intacto.

Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>

src/config.py

@@ -27,6 +27,16 @@ class Settings(BaseSettings):
     searxng_url: str = Field(
         "http://searxng-svc.researchowl.svc.cluster.local:8080/search",
     )
+    # Motores que el scraper pide a SearXNG (todos vienen configurados por los
+    # defaults de la instancia, use_default_settings: true). Verificados en vivo
+    # 2026-07-03: la lista ampliada duplica resultados y dominios únicos (~2x)
+    # por ~+2s/query, y da redundancia cuando brave/DDG caen en rate limit o
+    # CAPTCHA. Excluidos: qwant (access denied), yahoo (roto), wikidata (0
+    # resultados en queries de texto), wayback machine (duplica contenido vivo).
+    searxng_engines: str = Field(
+        "duckduckgo,google,bing,brave,startpage,mojeek,presearch,"
+        "google news,bing news,internet archive scholar"
+    )
     request_timeout: int = Field(30)
     request_delay: float = Field(1.0)          # seconds between requests
     min_content_length: int = Field(200)  # chars

src/scraper/exhaustive.py

@@ -229,7 +229,7 @@ class ExhaustiveScraper:
         params = {
             "q": query,
             "format": "json",
-            "engines": "duckduckgo,google,bing,brave",
+            "engines": settings.searxng_engines,
             "language": "all",
         }
         headers = {