中文 · English · 日本語 · 한국어 · Español

介绍 · 对比 · 证明 · 机制 · 快速开始 · 能力 · 配置 · 更新

这是踏雪寻仙 DeepSeek Harness 插件系列的一员（dsh-files 39★ · dsh-models 模型选择 + 子代理路由 + 推理层级）。同作者完整技能系列：session-digger 29★ · taxue-invest 21★ · taxueskills 23★ · taxue-creative-style 12★

它和「模型自带搜索 / AI 搜索 / 聚合搜索」比，强在哪

简单来说：前三种方案解决「人找信息」，Argo 解决「Agent 及搜索核查于一身，具备一条龙的搜索服务」。差别不在界面，在交付物，给人看的叫总结页或链接清单，给 Agent 的应是能排序、能复核、不撑爆上下文的优质内容，更可靠的搜索信息。

维度	模型自带搜索	AI 搜索（总结型）	聚合搜索 / 搜索引擎	Argo
结果形态	拼好的长文本	给人看的总结页	SERP 链接清单	精简 JSON：证据候选 + 可信度分解
垂直问题（行情 / 化学式）	泛搜网页	泛搜再总结	泛搜网页	直连垂直源，直接给答案
证据可信度	无评分	无结构化评分	无评分	selection · absorption · freshness · 共识
重复查询	每次都打网	每次都打网	靠页面缓存	双层缓存（内存 + SQLite），热查询约 10ms
成本控制	不可控	单次贵	免费但费事	预算模式，免费优先，Key 全可选
多语言	随模型走	随模型走	随引擎走	语言检测 + 引擎语言参数 + 多国语言支持

性能 Benchmark

指标	模型自带搜索	AI 搜索（总结型）	聚合搜索 / 搜索引擎	Argo
热查询延迟	~2000ms	~1500ms	~800ms	~10ms
结果形态	拼好的长文本	给人看的总结页	SERP 链接清单	精简 JSON：证据候选 + 可信度分解
证据可信度	无评分	无结构化评分	无评分	selection · absorption · freshness · 共识
缓存	无	页面缓存	页面缓存	双层缓存（内存 + SQLite）
成本控制	不可控	单次贵	免费但费事	预算模式，免费优先，Key 全可选
多语言	随模型走	随模型走	随引擎走	语言检测 + 引擎语言参数 + 多国语言支持

架构

主流程

graph LR
    A[用户查询] --> B[语言检测]
    B --> C[引擎分诊]
    C --> D[并行搜索]
    D --> E[结果聚合]
    E --> F[可信度评分]
    F --> G[JSON 输出]
    
    H[双层缓存] -.-> D
    I[预算控制] -.-> C

引擎分诊流程

graph TD
    A[用户查询] --> B{语言检测}
    B -->|中文| C[中文引擎组]
    B -->|英文| D[英文引擎组]
    B -->|日韩| E[日韩引擎组]
    B -->|其他| F[通用引擎组]
    
    C --> G{领域判断}
    D --> G
    E --> G
    F --> G
    
    G -->|学术| H[学术引擎]
    G -->|代码| I[代码引擎]
    G -->|购物| J[购物引擎]
    G -->|金融| K[金融引擎]
    G -->|新闻| L[新闻引擎]
    G -->|通用| M[网页引擎]
    
    H --> N[并行搜索]
    I --> N
    J --> N
    K --> N
    L --> N
    M --> N

缓存机制

graph LR
    A[查询请求] --> B{内存缓存}
    B -->|命中| C[直接返回]
    B -->|未命中| D{SQLite 缓存}
    D -->|命中| E[返回并更新内存]
    D -->|未命中| F[执行搜索]
    F --> G[结果写入 SQLite]
    G --> H[结果写入内存]
    H --> I[返回结果]

可信度评分流程

graph TD
    A[搜索结果] --> B[Selection 评分]
    A --> C[Absorption 评分]
    A --> D[Freshness 评分]
    A --> E[共识评分]
    
    B --> F[综合可信度]
    C --> F
    D --> F
    E --> F
    
    F --> G{阈值判断}
    G -->|高于阈值| H[保留]
    G -->|低于阈值| I[丢弃]
    
    H --> J[JSON 输出]

预算控制流程

graph LR
    A[搜索请求] --> B{预算检查}
    B -->|预算充足| C[免费引擎优先]
    B -->|预算紧张| D[仅免费引擎]
    B -->|预算耗尽| E[返回缓存]
    
    C --> F{免费引擎有结果?}
    D --> F
    
    F -->|有| G[返回结果]
    F -->|无| H{有 Key?}
    
    H -->|有| I[付费引擎搜索]
    H -->|无| J[返回空结果]
    
    I --> G

整体架构

graph TB
    subgraph 用户层
        A[Agent / 用户]
    end
    
    subgraph 接入层
        B[CLI]
        C[MCP Server]
        D[Python SDK]
    end
    
    subgraph 核心层
        E[语言检测]
        F[引擎分诊]
        G[并行搜索]
        H[结果聚合]
        I[可信度评分]
    end
    
    subgraph 数据层
        J[内存缓存]
        K[SQLite 缓存]
        L[265+ 搜索引擎]
    end
    
    subgraph 控制层
        M[预算控制]
        N[多语言支持]
    end
    
    A --> B
    A --> C
    A --> D
    
    B --> E
    C --> E
    D --> E
    
    E --> F
    F --> G
    G --> H
    H --> I
    
    J -.-> G
    K -.-> G
    L --> G
    
    M -.-> F
    N -.-> E
    
    I --> A

机制上，Argo 把搜索当成一条证据管线：语言检测 → 领域路由 → 多引擎召回 → RRF 融合 → 证据快评，交付的是 Agent 可直接排序、可 fetch 复核、不撑爆上下文的材料。工具链不用换，需要换的是「搜索结果应该长什么样」——再往下一层，还有和「再包一层搜索 API 的差别」，那是实现细节的对比。

---

2026，检索正在发生什么变化

Agent 干活的量级变了，检索的玩法跟着变了四件事，每一件 Argo 都已经落在代码里：

1. 检索从「给链接」变成「给证据」。 Agent 不看网页排版，它要能排序、能复核、不撑爆上下文的结构化材料——所以 Argo 交付的是带可信度分解的 JSON，而不是 SERP 清单。
2. 上下文成为第一成本。 一次网页抓取动辄上万 token，Agent 的窗口烧不起。Argo 的 Agent 档单次约 3.7KB，字段集合与字节预算都有检查卡着，升级不会悄悄变胖。
3. 网站开始为 AI 备料。 llms.txt 标准与 .md 直出在头部文档站快速铺开——Argo 抓取链第零级自动探测这些 AI 友好变体，命中即跳过整条反爬链；HTTP/TLS 都失败还有 r.jina.ai 阅读器级保底。
4. 免费开放生态够用了。 政府、学术、标准、安全机构的开放 API + 免 key 引擎，已经能覆盖大多数领域（221 个免配置源）；稀缺免费额度（firecrawl 1000 credits/月、stackexchange 300 次/天）做了「日常补位、关键顶上」的分层，订阅墙不是唯一解。
5. 检索质量从「感觉」到「度量」。 排序有金标（MRR/nDCG 地板）、融合有增益消融检查、路由有负向控制矩阵——「这版比上版好吗」从此是数字问题，不是玄学。

v2.9.3 把以上全部落地：264 个源、94 个领域、229 个免配置开箱。逐项细节见 docs/为什么选择argo.md 与 发布说明。

---

这是什么

Argo 是给 AI Agent 用的多语言搜索基础设施。

真实检索从来不是「一种语言 + 一个搜索框」：有人问 A 股行情，有人问 World Cup，有人用日文找动画，有人要 IMDb 上的导演信息。Argo 的出发点很朴素——按领域、按语言、按需求选路，把问题送到合适的源，而不是一律扫网页标题。联网搜索与本机文件搜索一体可用。

产出不是「链接清单」，而是「证据候选 + 可信度分解」。路选对了，证据才站得住。

和「再包一层搜索 API」的差别

常见做法	Argo
绑死一个引擎、一个 Key	多引擎自动选路，免费优先、可配预算
啥问题都泛搜网页	垂直源优先：行情、影视、体育、宏观、化学等先给答案型结果
默认只按中英优化	多语言识别 + 引擎语言参数 + 跨语言回退
搜完直接拼摘要	选择门槛 × 证据密度 × 时效 × 多源共识
引擎挂了整条链路挂	熔断、负缓存、分阶恢复（防垂直源串味）
每次查询都重新打网	双层缓存（内存 + SQLite），热查询约 10ms 级
日常和研究一个慢	日常少开引擎、研究再放宽
Agent 上下文被长 JSON 撑爆	MCP 响应可紧凑裁剪，snippet 可控

---

问啥像啥

你这样问	大致会怎样
python asyncio error handling	编程问答域 → StackOverflow/StackExchange 官方 API，带得分与采纳标记
AAPL / 美股盘前	美股域，与 A 股分流
肖申克的救赎 主演 / Inception director	影视域 → IMDb 等
梅西 俱乐部 / 库里 球队	体育域 → TheSportsDB 等
埃菲尔铁塔在哪 / where is Eiffel Tower	地理实体 → OpenStreetMap 等
NASA founding year / 国务院职能	组织实体 → Wikidata 等
周杰伦 专辑 / Taylor Swift album	媒体域 → iTunes 等
アニメ おすすめ / 한국 영화 추천	识别日/韩语 → 语言友好源，少塞中文专用站
美国 CPI、日本 通胀率	宏观数据域；国别分流（本国权威源优先）
log4j 漏洞 CVSS / nodejs 22 end of life	安全域 → NVD 官方；生命周期域 → endoflife.date
attention is all you need	学术域 → arXiv/OpenAlex/CrossRef，元数据与 DOI 直连
阿司匹林 分子式	化学域 → PubChem 类答案
台积电估值分歧（深度研究）	拆子问题 + 多源并行，垂直源被 boost

---

它怎么工作

查询
  ├─ 意图消歧（可选）
  ├─ 查询改写（可选；路由仍看原始意图）
  ├─ 语言检测 + 语言偏好
  ├─ 路由（域规则 + TF-IDF + 预算 + 语言补充源 + 热路径缓存）
  ├─ 多引擎召回（熔断 / 负缓存 / 并行）
  ├─ 空结果分阶恢复（放宽 → 换同族/通用 → 跨语言；防污染）
  ├─ RRF 融合 + 可选精排
  ├─ 证据快评（权威 · 证据密度 · 时效 · 共识）
  └─ 统一 JSON（含 engine_outcomes / recovery / route_reason）

证据评分（简版）

selection  ≈ 域名权威，SERP/跳转链压到很低
absorption ≈ 数字 / 定义 / 对比 / 披露等证据密度
freshness  ≈ 发布时间（会忽略「2015 年以来」这类历史对比年）
综合       ≈ 0.40·selection + 0.35·absorption + 0.15·freshness + 0.10·引擎分

结果字段含 selection、absorption、credibility_fast、evidence_flags 等，方便 Agent 直接排序。

Agent 使用纪律（建议）

1. 高后果问题（持仓、安全、是否属实）：search → 看快评分 → 对 top 结果 fetch → 再下结论
2. 数字：写清计算方式，冲突时并列，不要硬合并
3. 搜索结果页 / 跳转链：不要当正文信源
4. 社交帖：当舆情与叙事，不当事实真值
5. 事实核查：宁可多一两条分层查询（来源 / 对比 / 主体）

---

快速开始

任选一种即可。以 GitHub 为唯一安装来源（npx github:taxueseek/argo 或 install.sh / install.ps1），当前推荐 v2.9.4。请勿用 npm install argo-search——npm registry 上那份是非官方陈旧版 v1.0.1（非本仓库维护，功能残缺、不随本项目更新）。本包 package.json 已设 private: true 防止误发布到 npm registry。

零配置就能跑：不配 API Key 时走免费引擎 + 本地 local_* 引擎；配了 Key 的源质量通常更好，没配则自动跳过。

方式一：一键脚本（推荐本机长期用）

macOS / Linux：

curl -fsSL https://raw.githubusercontent.com/taxueseek/argo/main/scripts/install.sh | bash

Windows（PowerShell）：

powershell -ExecutionPolicy Bypass -Command "irm https://raw.githubusercontent.com/taxueseek/argo/main/scripts/install.ps1 | iex"
# 或下载后执行：
# powershell -ExecutionPolicy Bypass -File scripts/install.ps1

装到指定目录、并挂 Skill 入口：

curl -fsSL https://raw.githubusercontent.com/taxueseek/argo/main/scripts/install.sh \
  | bash -s -- --home "$HOME/.local/share/argo" --link "$HOME/.claude/skills/argo"

验证：

python3 ~/.local/share/argo/scripts/search.py "python asyncio error handling" --json
python3 ~/.local/share/argo/scripts/search.py --list-engines

方式二：MCP 不装包，直接用 GitHub（推荐 Agent 快速挂载）

需要 Node.js 18+ 和 Python 3.9+，首次执行一次：

pip3 install pyyaml

npx -y github:taxueseek/argo

客户端配置示例（Claude Code / Cursor / Kimi 等）：

{
  "mcpServers": {
    "argo": {
      "command": "npx",
      "args": ["-y", "github:taxueseek/argo"]
    }
  }
}

DeepSeek Harness 一键插件（.dsh-plugin bundle）

在 DeepSeek Harness 里一行安装（两种装法）：

# 装法 A：19 个 mcp__argo__* 工具（主包自带 bundle，与 MCP 全量相同）
dsh plugin --profile web add "github:taxueseek/argo"

# 装法 B：搜索工具 + wide_research 并行研究调度（子包）
dsh plugin --profile web add "github:taxueseek/argo#main&path:packages/dsh-plugin"

重启 dsh web 后生效。包结构见 packages/dsh-plugin/；同 id mcp-argo / wide-research 可在用户层 cordis.patch.yml 覆盖。装法 B 的 wide_research 模块只存在于子包依赖树，主包 patch 不引用它，避免只装主包时 Cordis 解析失败。已在最新版 DSH 0.2.1-alpha.1 实测：三形态接入（原生一等工具 / web_search seam / wide_research）均可正常启用。

依赖清单（通俗版）

依赖	必需？	干什么用	不装会怎样
PyYAML	✅ 必需	读配置文件	完全跑不起来，安装脚本会自动装
curl_cffi	❌ 可选（v2.7.3 新增）	模拟浏览器 TLS 指纹，过反爬站（Cloudflare 等）	反爬站抓取成功率低一些，日常搜索无影响
ddgs CLI	❌ 可选	本地免 key 搜索的 10 个后端引擎	少一批零成本本地搜索源，其余不受影响
realtime-index CLI	❌ 可选	实时索引引擎（搜刚发布的内容）	该引擎自动禁用，显式指定会回退通用引擎
Chrome	❌ 可选	页面截图、JS 渲染页、登录态抓取	截图工具不可用，其余正常
pdfplumber / PyMuPDF	❌ 可选	PDF 提取	argo_pdf 不可用，其余正常
Playwright	❌ 可选	截图增强	截图工具回退 Chrome CDP，其余正常

安装脚本（install.sh）只自动装前两个；其余可选依赖按需 pip install 或 brew install 即可。 更稳、完全不依赖 Node 的写法：先装脚本（方式一），再指向本机 Python：

{
  "mcpServers": {
    "argo": {
      "command": "python3",
      "args": ["/path/to/argo/scripts/mcp_server.py"]
    }
  }
}

Python 路径特殊时：export ARGO_PYTHON=/path/to/python3（仅 npx 入口会读）。

方式三：git clone（开发 / 改源码）

git clone https://github.com/taxueseek/argo.git
cd argo
pip3 install pyyaml
bash scripts/install.sh --link ~/.claude/skills/argo   # 可选
python3 scripts/search.py --list-engines

---

适用平台

平台	接入方式	说明
Claude Code	MCP / Skill 链接	npx 或 mcp_server.py；也可用 link_source.py
Kimi / Grok Build	MCP Server	同上
Cursor / Cline / Continue	MCP	支持 MCP 的 IDE 插件均可
命令行	search.py / bin/argo	脚本、定时任务、人工排查
Python 项目	from search import super_search	库调用

安装后自检

python3 --version          # 需要 3.9+（Windows 可用 py -3）
python3 -c "import yaml; print('PyYAML OK')"
python3 scripts/search.py --list-engines            # 引擎面与状态总览
python3 scripts/search.py --list-engines --detail   # 逐源状态：配了 key 却没结果，
                                                    # 先看 missing_env 给出的确切变量名
python3 scripts/health_check.py --all               # 真联网探针：验证 key 对端真认（可选）
python3 bin/argo paths --check                      # 本机路径自检（可选）
python3 bin/argo mcp status                         # MCP 注入/连通诊断（可选）
python3 -m pytest tests/test_unit.py -q             # 单测（可选）

MCP 起不来时：python3 scripts/mcp_diag.py 会把 stdin 往来记录到 ~/.kimi/argo_diag.log。health_check.py 是给人用的联网探针， health_probe.py 写健康库供路由消费——名字相近，职责不同。 CLI 退出码恒 0（含断网）：成败判断走 JSON 的 status / errors 字段。

---

能做什么

五种能力，通俗说

1. 通用搜索 + 垂直搜索，双管齐下

日常问题走通用网页搜索；一问到行情、影视、体育、宏观这类「有标准答案」的问题，自动切到垂直源直接给答案，而不是扔给你一堆链接。目前 265 个源（229 个免密钥开箱可用）、94 个业务域，金融 / 宏观 / 影视 / 体育 / 地理 / 组织 / 媒体 / 化学 / 学术 / 代码等都有专门的路。

2. 缓存：不重复花冤枉钱

时效性没那么强的内容（百科类、历史数据这类），第一次查完会进缓存，之后同样的查询直接命中，不再每次都走一遍 API。双层缓存（内存 + SQLite），热查询约 10ms 级返回，既省钱也省时间。

3. 专为 Agent 设计，更省 Token

产出是「证据候选 + 可信度分解」的精简 JSON，不是长篇网页；MCP 响应可以按需裁剪，snippet 可控，不会撑爆 Agent 的上下文。比常规模型自带的搜索能力更专业、更省 Token。

4. 深度研究

把一个笼统的问题拆成多个子问题，多源并行采集，最后给出「还差什么证据」的缺口提示。适合综述、调研这类要全面、要扎实的场景。

5. 登录态专业搜索（专业模式，默认关闭）

知乎、小红书、公众号这类要登录才能看的内容，以及 JS 渲染页、反爬页，用真实浏览器配合登录态去搜。默认关闭，需要时开启，依赖 ego lite 和 WebBridge 两个东西，详见下节「登录态专业搜索」。

6. 时间能力（时间窗 + 方向排序）

要搜「最近几天刚发布的内容」，用 --since 7d 这类时间窗框住发布时间范围，判断新旧不再靠猜。支持引擎（如 realtime_index，免 Key 实时索引源、需自装 CLI，结果自带发布时间）把窗口下推给数据源；其余引擎的融合结果会按 published_at 最后再剔除明确超窗的条目（宽松策略，无时间字段的保留），返回包带 time_filtered 统计，CLI 与 MCP 均支持。--since 7d 与「7 天前的绝对日期」等价、共享缓存；--until 2026-08-01 含当天。配合 --sort newest|oldest 按发布时间重排——找最新动态用 newest，找最早出处用 oldest。

能力入口速查

能力	说明	入口
统一搜索	路由 → 召回 → 融合 → 快评	search.py / argo_search
本地文件搜索	本机代码/笔记/记忆（非联网）	argo_local_search
本地文本预览	白名单目录内预览（fail-closed）	argo_local_read
可复算	受限子进程重算数字（默认拒绝）	argo_recompute
深度研究	拆子问题、多源采集、缺口提示	research.py / argo_research
可信度评估	权威 / 证据密度 / 时效 / 交叉验证	evidence.py / argo_evidence
证据核验（完整链路）	高后果问题标记 fetch_required + 每条 fetch_suggested；--verify 一键抓正文核验、回填「核实后证据分」、核实过的链接自动记住	search.py --verify 3 / research.py --verify 3
意图消歧	多义词、品牌碰撞、策略建议	clarify.py / argo_clarify
页面抓取	HTTP 优先，必要时浏览器降级	argo_fetch（mode=extract 可结构化）
截图 / PDF	页面截图、PDF 结构化提取	argo_screenshot / argo_pdf
站点爬取	列表页批量抓取	argo_crawl
社交与舆情	微博 / 小红书 / B 站 / Reddit / X 等	argo_social_search
实时索引搜索	免 Key 实时索引源，结果带发布时间，适合「最近几天有什么新东西」。需自装 realtime-index CLI（未安装时该源停用，见 ENGINE_CATALOG 已停用清单；多数查询走其他源不受影响）	--engine realtime_index
时间窗过滤	--since / --until（7d 或 2026-08-01）限定发布时间范围；支持引擎下推 + 融合后过滤（time_filtered），CLI 与 MCP 均支持	--since 7d
时间方向排序	--sort newest|oldest 按发布时间重排（最新动态 / 最早出处）	--sort oldest
登录态专业搜索	知乎 / 小红书等登录墙正文、JS 渲染页、登录站点接口直取	sub-skills/ego-search/scripts/ego_search.py（默认关闭，见下）

预算模式

模式	适合	行为
fast	简单问题、要速度	免费引擎优先，跳过付费精排
auto	默认日常	成本感知，质量与花费折中
deep	调研、综述	质量优先，可多用引擎
budget	额度紧	配额控制，用完降级

当前大致能力（v2.9.3）

• 显式引擎域归因 + 恢复链止损 + 门禁同步（v2.9.4 新增）：--engine X 显式指定引擎时补 match_domains 域判定，修复缓存 TTL 一刀切 general；单引擎无备选时跳过 L1 同引擎空跑；config.yaml 域规则增强（org_entity 加 unless 股东尽调词、fund_query 加 unless 政策法规词）；mcp_launch.sh 环境变量导出收窄；local-search 引擎注册表层收口与质量提升；门禁同步（module_size_gate / ENGINE_CATALOG）

• X 帖子完整打包 argo tweet（v2.9.3 新增）：一条命令打包指定 X 帖子的正文、串/引用/转发与互动数据；默认纯文本，--out 落四件套（post.md/raw.json/manifest.json/CHECKLIST.md），--media 才下载图片/视频；主帖失败原因随产物可见

• 浏览器登录态车道 argo auth（v2.9.3 新增）：argo auth login/status/logout 自持站点持久浏览器 profile，扫码一次即可抓取需登录页面；cookie 只存 Chrome 自身加密存储，登录态结果标记 login_state_used 并拒绝入公共缓存（ARGO_AUTH_FETCH 开启）

• 本地中文链质速双修（v2.9.3 新增）：搜狗/百度跳转壳无会话解析成真实直链，保留结果 1→5 条；共识宽限自适应（首引擎交足即放行），英文分发 ~3.0s→2.2-2.5s

• 火车票中转+经停（v2.9.3 新增）：12306 查询扩展中转/经停方案，候补漏斗 10→1 压缩修为如实 10→10；学术搜索 --academic-deep 一键多源深挖

• 路由扩容与意图门修复（v2.9.3 新增）：43 个无域引用引擎接入对应领域，新增 3 个零 key 金融源；「教程」类查询不再被意图门误锁单引擎

• 本地能力提速（v2.9.3 新增）：本地图片指纹 77k 张 158ms→3.9ms（默认关，ARGO_LOCAL_IMAGE=1 启用）；agent 消费自动瘦身，MCP 每调用固定开销 −32%

• DSH 0.2.1-alpha.1 适配验证（v2.9.2 新增）：DSH 插件三形态（原生一等工具 / web_search seam / wide_research）在最新版 DSH 实测启用；argo mcp inject 新增 WorkBuddy，一键注入覆盖到第 7 宿主

• js-run 子技能（v2.9.2 新增）：不开浏览器执行「环境探测 + 纯计算」型网页 JS（V8 沙箱 + 环境垫片，单次上下文 P50 ≈ 1ms），补 curl_cffi 取数与浏览器渲染之间的「算」车道

• 输出减重与漏斗归因（v2.8.9 新增）：默认输出 −66%（同一段结果不再重复三遍，--envelope 开完整版）；六格漏斗（路由→调用→返回→去重→过滤→保留）让「搜到 0 条」能定位塌在哪一层；阶段耗时账拆出过滤与恢复，慢在哪不再被指错方向

• DSH 插件工具原生化（v2.8.5 新增）：argo_search / argo_fetch 原生一等工具默认可用（CLI 单发，不依赖 MCP 连接）；schema 由 gen_native_tools.py 从 mcp_tools.py 唯一来源生成（漂移检查测试把关）；nativeTools 配置可按需启用全部 18 个工具（argo_research 除外）

• MCP 默认关闭（v2.8.5 变更）：三形态接入——MCP 按需挂载（profile patch）/ 原生工具（默认入口）/ 原生 web_search seam；平时零常驻 token 开销

• Windows 全平台兼容（v2.8.5 增强，社区贡献）：临时路径走 tempfile.gettempdir()；解析映射显式 UTF-8（根治 GBK 静默失效）；解释器运行时解析（python3 → python → sys.executable）；symlink 无权限退化 junction；PowerShell 一键安装 install.ps1；--spotlight 无 mdfind 自动退化 rg

• 配额自愈完整链路（v2.8.5 新增）：HTTP 200 业务错误封套识别（火山/知乎风格）；远端配额耗尽自动标记 → 路由全模式排除 → 备用源接管 → 周期边界自愈回归；配额/鉴权错误不毒化自适应分数与熔断

• 抓取全局 deadline（v2.8.5 新增）：ARGO_FETCH_DEADLINE_S（默认 60s）封顶降级链总耗时；429/503 停止信号；tinyfish 渲染层（TINYFISH_API_KEY）+ {url}.md 变体探测；移动 UA 首发身份记忆

• 本地数据融合（v2.8.4 新增，深度研究 L1）：工作包可带 file_inputs（本地一手数据白名单入账，登记 sha256/来源记录）与 recompute（可复算执行器，受限子进程安全重算，重算值与检索数字冲突触发 recompute_conflict）；dossier 输出 local_sources，本地一手计入一手命中（防 no_sources 假阴性）

• 多客户端 MCP 一键接入（v2.8.4 新增）：argo mcp inject 一键给 Claude Code / Cursor / Windsurf / Codex / OpenCode / Cline / WorkBuddy 注入 argo MCP（原子写 + 备份 + 可逆，客户端来源 mcp/clients.yaml）

• 结构化搜索增强（v2.8.4 新增）：查询归一化（全角→半角、点号版本拆斜杠）+ 检索变体 + 复杂度门控（低复杂度查询不放行高价多轮）；social 域语法优先（from:/subreddit:/lang: 命中提前）+ TF-IDF 检索修复（丢弃中文引擎后继续看 top-2/3）；--include-local 本机命中并入（默认关）

• Keenable（v2.8.4 新增）：接入通用网页搜索引擎（L1 声明式 HTTP，免费体验期，ARGO_KEENABLE_API_KEY）

• 多语言路由修复（v2.8.3 新增）：ja/ko 查询返回目标语言（不再被中文引擎污染）；德法西意等多语言走 anysearch 返回对应语言；weighted RRF 弱源降权（weakest-link，论文 2508.01405）；anysearch 进程内 builder（更快更稳）

• Windows 全平台可用（v2.8.2 新增）：移除 npm os 限制；全链路 UTF-8 防线（PYTHONUTF8 + -X utf8 + 6 处 JSON read_bytes）根治 GBK 崩溃；工具探测改 shutil.which；Chrome/Edge 自动发现；Ctrl+C 干净退出

• DSH 插件两种装法（v2.8.2 新增）：主包自带 dsh.bundle，dsh plugin add github:taxueseek/argo 即得 19 个 MCP 工具；子包再加 wide_research 并行研究调度

• wide_research 证据检查（v2.8.2 新增）：输出自带 quality_gate_results（conclusion_cap low/medium/high），与 dossier 同一套语义；depends_on 依赖分阶段；仅 http(s) 入证据账本；worker 不可调 argo_research（防研究套研究）

• 取证协议化（v2.8.2）：深度研究只产 dossier（来源/覆盖/缺口/检查），判断稿归 Agent；--work-packages 按 depends_on 分阶段

• 证据完整链路（v2.8.0 新增）：搜索输出自带证据门控——高后果问题（金融/医疗/法律）标 fetch_required，每条结果标 fetch_suggested；--verify 一键核验正文并回填「核实后证据分」，核实过的链接自动记住，下次搜索直接显示已核实

• 求职搜索 v3（v2.8.0 升级）：argo job 结构化字段 + 增量监控 + 指纹去重，新增 Ashby ATS 免 Key 后端与北京高校就业源

• 天气双源并行（v2.8.0 升级）：wttr.in + Open-Meteo 双源，地理编码 + 空气质量，问天气不落空

• 通用搜索增强（v2.8.0 新增）：Parallel 搜索（长文摘录、多路召回）与 You.com（网页+新闻合并、时效动态化），无 Key 优雅降级

• 265 个搜索源（229 个免密钥开箱可用）、94 个业务域：通用网页 + 金融 / 宏观 / 影视 / 体育 / 地理 / 组织 / 媒体 / 化学 / 学术 / 代码等（来源：config.yaml 与 engines/specs/*.yaml）。逐源清单（费用 / 密钥 / 状态 / 域组合 / 特别能力）见 搜索源使用文档，该文档由脚本从声明生成、有检查防漂移；选源判断与语义分工见 references/engines.md

• 双层缓存：内存 LRU + SQLite 持久化，时效性弱的内容不重复打 API；登录态结果单独隔离，不污染公共缓存

• 为 Agent 节省 Token：MCP 响应可紧凑裁剪、snippet 可控，输出为精简 JSON 而非整页文本

• 19 个 MCP 工具（与 CLI 能力面对齐）：搜索、研究、证据、消歧、抓取、截图、PDF、社交舆情、本地文件搜索、站点爬取、本地预览、可复算、公众号文章全文、招聘聚合、结构化提取、URL 批量预检、直答、网页变化监控、DOI 引用条目

• 多语言搜索：中、英、日、韩、西里尔、泰、阿、希伯来、希腊、天城体等；路由与引擎参数跟着语言走；非中文查询避免误入知乎 / 搜狗微信 / A 股快照等中文专用源

• 登录态专业搜索：ego-search 子技能，登录墙正文 / JS 渲染页 / 登录站点接口直取（默认关闭，见上节）

• 垂直域检查：空结果恢复时不把 pypi / npm / 快讯等无关源「串」进影视、体育查询

• 日常更快、研究更全：engine_policy 分层——日常 combo 收紧，deep / research 再放开长尾源

• 引擎层 HttpClient 接入（v2.7.3 追加）：HTTP/HTML 引擎 GET 统一走 UA 轮换 + 重试 + 重定向跟随层，arxiv 类 UA 敏感引擎从 5s 超时空返回变为 2s 内 10 条有效结果；ARGO_ENGINE_HTTP_CLIENT=0 回退 urllib

• TF-IDF 强语义注入（v2.7.3 追加）：marginalia / open_meteo / usda / gov_policy / cnii 等 25 个垂直引擎不再被正则域压制——「独立博客 长尾