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

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。

---

Argo 阿尔戈：给 Agent 用的搜索与深度研究工具

这是什么

Argo 是一个装在 Agent 里的搜索与深度研究工具，也可以获取相关网页的信息。背后连着 266 个搜索源，覆盖 95 个业务领域，同时支持本地文件的基础搜索能力。在开源搜索项目里，具备非常强大的搜索能力。

支持配置 API Key 提升搜索质量（配了 Key 的源质量通常更好，没配则自动跳过），也支持免费引擎和本地引擎自动保底。覆盖中英日韩等 18 种语言，支持金融、学术、影视、体育、代码、宏观等垂直场景。

子技能

Argo 的能力通过四个子技能（sub-skills）组织，每个子技能是一条独立可用的管线：

子技能	能力
local-search	本机文件搜索 + 本地零成本聚合引擎（32 个本地引擎）。搜代码符号、文件名、文档全文、文件结构。可并入网络搜索结果，加一个开关本机命中就并进同一次搜索
local-seek	本地语义搜索（BM25 + 向量混合），搜笔记、记忆、资料库。三层递进：先定位文件、再看上下文、最后精读段落
ego-search	登录态专业搜索。知乎、小红书、公众号等需要登录才能看的内容，用真实浏览器配合登录态去搜。默认关闭，需时开启
js-run	无浏览器执行网页 JS。不开浏览器跑「环境探测 + 纯计算」型网页脚本，单次上下文 P50 约 1ms

四个子技能覆盖了从「搜本机」到「搜全网」到「搜登录墙后面」的完整链路。大部分场景用 local-search + 联网搜索就够，特殊场景再开 ego-search 和 js-run。

DSH 插件

Argo 同时是 DeepSeek Harness 的插件，一行命令装好：

dsh plugin --profile web add "github:taxueseek/argo"

装完重启 dsh web 即生效。搜索和抓取成为原生一等工具，不依赖 MCP 连接，不占常驻上下文开销。另有十一个工具按需开启。完整接入形态见下文。

核心优势

266 个源，229 个免密钥开箱可用。 不配任何 API Key 就能跑，免费引擎和本地引擎自动保底。配了 Key 的源质量通常更好，没配则自动跳过。一次安装，全场景可用。

本地搜索 + 联网搜索一体。 这是 Argo 独一份的能力。本机文件搜索底层是 rg、mdfind 那套开发者日常工具，搜代码符号、文件名、文档全文、文件结构。加一个开关，本机命中会并进同一次网络搜索结果里，结果上标着来源是本机文件。写东西时记得自己半年前记过一段话但忘了在哪，用这个搜比翻文件夹快。

双层缓存，热查询约 10ms。 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。既省钱也省时间。

多语言 + 垂直场景。 实测过 18 种语言，中文、英文和日文能查到当地一手来源。问论文走学术库，问影视走条目库，问代码走问答社区，问行情走金融源。泛泛的问题才走通用搜索。

装完就能用

零配置就能跑。三种装法，按你的习惯挑：

想让 AI 助手自己会搜，把技能包装进它的技能目录。以后你说「帮我查一下」「核实一下」，它会自己去查。

想随手试，用一条 npx 命令即用即走，不用装。

想让助手常驻着用，给它挂上 MCP，19 个检索工具随时可用。还有一键注入命令，能给 Claude Code、Cursor 和 Windsurf 自动配好，Codex、OpenCode 和 Cline 也在这个名单里。写配置前会备份，随时能撤。

# 方式一：一键脚本（推荐本机长期用）
curl -fsSL https://raw.githubusercontent.com/taxueseek/argo/main/scripts/install.sh | bash

# 方式二：npx 即用即走（推荐 Agent 快速挂载）
npx -y github:taxueseek/argo

# 方式三：git clone（开发 / 改源码）
git clone https://github.com/taxueseek/argo.git

装完随手试一条：

argo search "python asyncio error handling"

它给你的是 StackOverflow 官方 API 里按社区得分排过序、标了采纳状态的问题，不是一堆 SEO 农场。

想看看自己机器上现在有几个源可用，一条命令就列出来：

argo search --list-engines

接入形态

Argo 支持四种接入方式，按你的场景挑：

形态	适合	说明
MCP Server	Agent 常驻挂载	19 个检索工具随时可用，一条命令注入 Claude Code / Cursor / Windsurf / Codex / OpenCode / Cline，写配置前自动备份
DSH 插件	DeepSeek Harness 用户	一行 dsh plugin add 装好，搜索和抓取成为原生一等工具，不依赖 MCP 连接，不占常驻上下文开销
Skill 文件	Claude Code / Grok Build / Kimi 等	技能包装进 Agent 的技能目录，你说「帮我查一下」「核实一下」，它自己去查
npx 即用即走	快速试一下	npx -y github:taxueseek/argo，不用装，适合临时把 MCP 挂进任意客户端

四种形态底层是同一套 Python 代码，CLI 与 MCP 工具一一对应，装哪种都不缺能力。

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 v2.9.7。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。DSH 0.2.1-alpha.1 与 0.2.1-rc.2 均已实测：rc.2 上 wide_research（2 worker，passed=true / 14 sources）与原生 argo_search（count=3）真跑通，dsh web 启动无 argo 报错；web seam 随启动注册通过（headless 无 web 服务，未做实际调用）。

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
rapidfuzz	❌ 可选（v2.9.5 新增）	去重的模糊近重复复核：同文换站后缀/镜像站在 minhash 近似命中带内二次判定	跨站同文少合几条，去重召回略降；站后缀归一仍生效
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 266 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
查询操作符	site:/-site:/-词/-"短语"/"短语"/lang:/after:/before: 从路由与检索两侧剥离（用法见 references/usage.md）	查询词内直接写
结果可信信号	authority_level 离散等级（0-4，≥3 极权威）+ summary 摘要档（核验后回填）	结果字段，--fields agent 可见
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（v2.9.7）

Argo 干的事，一句话能说完：把一个问题按领域和语言分给合适的源，取回结果后按可信度排个序，交回给 Agent 的是能排序、能复核的材料。搜索、抓取、核验、本机文件检索走同一条管线，19 个 MCP 工具和 CLI 命令一一对应，装哪种形态都不缺能力。另有几个单点命令随用随取：argo tweet 打包 X 帖子，argo auth 管登录态，argo job 聚合招聘信息。

最近四个版本各修了一类问题。

v2.9.7 修的是三个老毛病。DSH 宿主里的 AI 要读一个网址时，走的是宿主自带的抓取，短链跳转和 JS 挑战页经常直接失败，argo 的抓取链根本用不上；这版把宿主的读网址接到 argo 上，这类页面从失败变成成功，普通页面没有变化。路由候选池里原先混着 18 个「只能显式指定」的引擎，万一被自动选中，唯一的付费引擎就会悄悄扣费；如今候选池里没有它们，要用必须写明白。引擎每成功一次，熔断器都要加锁重写一次磁盘；健康状态下这版已经零文件开销，多个引擎的记账也合并成一笔事务。开源协议同时从 MIT 换成了 Apache-2.0，公司商用更放心。

v2.9.6 做的是查询指令和传输层。搜「site:github.com 某某」这类查询，指令有时被当成普通词，有时解析了也不过滤；现在有统一的契约层，路由和缓存只认剥掉指令后的查询，site: 真正执行过滤并进缓存键，两次搜索不会串味。传输上，以前每次 POST 都重新付一次 TLS 握手，三百到五百毫秒；连接复用之后，常驻的 MCP 进程每笔查询都省这笔钱。这版还接入了官方 DeepSeek 搜索，按次计费，不进日常组合。

v2.9.5 补的是汇率和去重。问「人民币兑美元汇率」，查询会在宏观域空转一圈，最后给个百科词条，1.4 秒也没有答案；专属汇率域建起来后，675 毫秒直接给即期汇率和每日快讯。去重加了站后缀归一和模糊复核两层，标题带分隔符的官方文档不再被误杀到后排。

v2.9.4 修的是显式选引擎的场景。用 --engine X 指定引擎时，缓存有效期原先一刀切；补上域判定之后，缓存按域走，没有备选引擎时也不再同引擎空跑一次。

逐版本细节见「最近更新」，各版发布说明在 docs/。

引擎与路由

当前配置 266 个源（229 个免密钥开箱可用）、95 个业务域（以 config.yaml 与 --list-engines 为准）。

直连与垂类（节选）

引擎	场景	成本倾向
anysearch / duckduckgo	通用 / 技术	免费
sina_quote / tencent_quote / eastmoney	A 股行情 / 资金	免费
finviz / seeking_alpha	美股与海外金融	视配置
imdb / itunes / thesportsdb	影视 / 音乐 / 体育	免费为主
local_openstreetmap / wikidata / wikipedia	地理 / 组织 / 百科	免费
arxiv / semantic_scholar / openalex	学术	免费为主
pubchem / gbif / rfc_editor	化学 / 物种 / 标准	免费
github / stackoverflow / pypi / npm	代码与包	视配置
byted / bocha / octen	中文网页 / AI 搜索	API / 低成本
zhihu / wechat_sogou	中文观点 / 公众号	API / 免费
tavily / exa	国际 / 语义	付费或额度
stackexchange / doi / endoflife / nvd / flk_law	问答官方 API / 论文元数据 / 生命周期 / 漏洞 / 法规原文	免费
twitter / reddit / xiaohongshu / bilibili / weibo	社交 UGC	免费（部分需登录）

本地零成本层（local_*）

不依赖独立的 SearXNG 服务。主路径用进程内 HTML / RSS / JSON 解析（如 local_bing、local_sogou、local_google、local_arxiv 等）。多语言查询时，路由会按语种动态改写引擎语言参数（例如 Bing setlang），并参与 RRF 融合。

登录态专业搜索（ego-search，默认关闭）

普通搜索拿不到知乎、小红书、微博、公众号等需要登录的内容，也常抓不回来 JS 渲染页 / 反爬页。ego-search 用真实浏览器去做这类搜索：继承登录态、抓登录墙后的正文、在已登录站点直接调接口取数据（如知乎搜索接口）。

默认关闭，需要时开启（在 argo 目录下运行）：

python3 sub-skills/ego-search/scripts/ego_search.py enable

常用命令：python3 sub-skills/ego-search/scripts/ego_search.py status（查看状态）、... disable（关闭）、search / fetch / api（分别对应浏览器搜索、抓正文、调站点接口）。

依赖（装好其中一个就能用，两个都装更好）：

依赖	官方项目	是什么	什么时候用
ego lite	lite.ego.app	专门给 Agent 用的浏览器应用（仅 macOS），初始化后提供 ego-browser 命令	默认首选：独立空间，不抢你正在用的浏览器标签
WebBridge	Kimi WebBridge 官方帮助中心	浏览器扩展桥，复用 Chrome / Edge 里已登录的会话	ego lite 没装，或想直接沿用日常登录态时

登录态搜到的结果不写公共搜索缓存（避免污染共享缓存），需要融合时用 merge 命令把常规结果和登录态结果放一起分析。

---

使用示例

金融

python3 scripts/search.py "贵州茅台股价" --explain
# 典型：命中 stock_query → 行情快照源

学术

python3 scripts/search.py "transformer attention mechanism paper" --json
# domain 常为 academic，引擎组合含 arxiv 等

研究与核验

python3 scripts/research.py "2026 公募基金二季报 持仓结构" --depth deep --json

python3 scripts/search.py "同一查询" --json | \
  python3 scripts/evidence.py "同一查询" --stdin --json

MCP 工具一览（19）

工具	用途
argo_search	统一搜索
argo_local_search	本地文件搜索（非联网）
argo_local_read	白名单本地文本预览（fail-closed）
argo_recompute	受限子进程可复算（默认拒绝，需授权）
argo_research	深度研究（含 social-sentiment 模式）
argo_evidence	可信度评估
argo_clarify	意图消歧
argo_fetch	智能抓取（mode=extract 结构化提取）
argo_crawl	站点爬取
argo_screenshot	页面截图
argo_pdf	PDF 提取
argo_social_search	多平台社交搜索（mode=sentiment 舆情聚合）

---

安装与配置

环境要求

项目	要求
Python	3.9+（命令行与 MCP 核心）
依赖	pip install pyyaml（仅此一个硬依赖）
可选增强	pip install curl_cffi（TLS 指纹伪造，MIT 许可）。装上后对指纹检测型反爬站（Cloudflare 等）免起浏览器即可抓取；缺失时自动降级，核心功能不受影响
Node.js	仅在使用 npx 入口时需要 18+
SearXNG	不需要（内置本地引擎替代）

API Key（全部可选）

不配置则跳过对应引擎，免费引擎自动保底。请用环境变量，不要把真实 Key 写进仓库或贴到 Issue。

# 推荐（提升搜索质量）
export TAVILY_API_KEY="你的密钥"
export BOCHA_API_KEY="你的密钥"
export METASO_API_KEY="你的密钥"
export ZHIHU_ACCESS_SECRET="你的密钥"

# 可选
export BRAVE_API_KEY="你的密钥"
export FELO_API_KEY="你的密钥"
export GITHUB_TOKEN="你的密钥"
export WEB_SEARCH_API_KEY="你的密钥"
export ANYSEARCH_API_KEY="你的密钥"
export OCTEN_API_KEY="你的密钥"
export ARGO_KEENABLE_API_KEY="你的密钥"   # 可选；Keenable 免费体验期

config.yaml 里只写 {ENV_NAME} 占位，不会提交明文密钥。

缓存

默认 SQLite 路径见 config.yaml 的 cache.db_path（一般为 ~/.cache/unified-search/cache.db）。

类型	大致 TTL
金融	约 5 分钟
新闻 / 实时	约 10–15 分钟
通用	约 1 小时
研究 / 常青	约 2–24 小时
空结果	很短（避免把失败固化）

常见问题

不配 API Key 能用吗？
能。内置大量本地零成本引擎和免费 API 源，不配 Key 时自动走免费路径。

安装脚本和 npx 有什么区别？
安装脚本适合固定装在本机、改配置、挂 Skill；npx 适合快速把 MCP 挂进 Agent。两者底层同一套 Python 代码。

如何确认引擎是否正常？
python3 scripts/search.py --list-engines，或加 --explain。

会不会在仓库里复制多份代码？
不会。推荐「一份源文件 + 符号链接」。用 link_source.py，不要 rsync 多副本。

---

CLI 常