argo

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★

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 272 个搜索源，覆盖 97 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 argo-search                  # npm 发布版
dsh plugin --profile web add "github:taxueseek/argo"      # GitHub main

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 1 个 wide_research 并行研究和 19 个 MCP 工具按需开启。完整接入形态见下文。

三种调用通道，一套能力

同一个 argo 检索内核（同引擎、同压缩、同守卫）在 DSH 里开三条通道，按宿主能力自动降级、互为冗余：

通道 · 默认 · 说明 原生一等工具 · 开 · argo_search / argo_fetch 等经 ctx.tools.register 注册，走 CLI 单发（--call）复用 MCP 同一套引擎与守卫，不依赖 MCP 连接、零常驻 token 开销 原生 web seam · 开 · 注册 argo 搜索与抓取两个 provider，宿主内置 web_search 路由到 argo 引擎链、web_fetch 走 argo 抓取链（HTTP 优先，遇 Cloudflare / JS 渲染自动升级反检测浏览器） MCP 形态 · 按需 · 19 个 mcp__argo__* 完整工具面。工具定义每轮注入上下文且压缩清不掉（实测 19 工具 ≈3.7K token/轮），而高频路径已由原生工具与 web seam 覆盖，故默认不挂载；需要长尾取证能力时在 profile patch 中取消 mcp-argo 行注释

另有 1 个 wide_research：规划互补轨道（depends_on 依赖分阶段，默认并行）→ 有界并发子代理取证 → 来源账本（仅 http(s) URL 入账）→ 综合报告；输出自带 quality_gate_results（conclusion_cap：low/medium/high），passed=false 时降级表述、先核验账本来源再下结论。worker 取证工具白名单默认双写 MCP 与原生工具名（allow 语义）——MCP 挂载与否两态自洽：MCP 在时用全量面，缺席时自动落到 argo_search / argo_fetch 与宿主 web_search / web_fetch。

日常一问用 argo_search；单代理取证用 argo_research；多视角对比、要引用账本用 wide_research。worker 默认只能调 argo 取证工具，不会再调 argo_research（硬保护，用户层放行也无效）。

自带设置页：六个分区，改完即生效

插件自带浏览器端设置页，两个入口：设置弹窗（Cmd+,）左侧一级菜单「Argo」，或 设置 > 插件 > Argo（同一面板的摘要卡片，点开即用）。

分区 · 管什么 接入 · web_search / web_fetch seam 开关；引擎入口命令与参数（npx 或本机 mcp_server.py）；搜索/抓取超时、正文上限、连接空闲回收、并发连接数 工具 · 18 个原生一等工具的勾选（默认只开 argo_search / argo_fetch）；单次调用超时与返回文本上限 引擎 · argo 本体的行为开关（原环境变量，curated 白名单 28 个：缓存 / TF-IDF 重排 / 数值交叉校验 / MinHash 去重 / SERP 守卫、Jina / 移动端 UA / Parallel 抓取层、语义证据层、对冲宽限与尾宽、引擎启停名单、代理、本机检索根与读取白名单、预热 / 使用日志 / 连接池 / 各类 TTL）。开关类即时生效，数字 / 文本 / 名单类分组保存；未配置行显示 argo 默认态并标注「默认」。授权类开关（可复算执行、内网 URL）刻意不进面板 密钥 · 常用引擎 key 的填写、更新、清除；显示「已配置 / 未配置 + 来源层（凭证库 / 启动环境 / .env）+ 只读态」，明文不回显；每行可勾选「转发」，等价于把引用名加进 keyRefs 研究 · worker / 轨道 / 每轨信源 / token 上限与报告落盘目录 高级 · worker 工具 allow / deny 名单、凭证转发名单

保存即生效（全部为 volatile 配置）：原生工具集合按勾选增删注册，超时、并发、研究上限在下一次调用时读取；引擎开关写成 argoEnv（一行一个 KEY=VALUE）随 argo 子进程 env 进入，对下一次新建连接生效（池内旧连接按 searchIdleMs 回收，默认 60s）。结构性字段（toolName、provider、searchProviderId、fetchProviderId）不在设置页，仍走 profile patch，改后需重启。

密钥安全：写入 DSH 凭证库（与 Models 页同一处），不写进插件配置、不打日志、不回显明文。凭证服务优先级为存储文件层 > 启动环境 > 项目 .env > 家目录 .env：在面板（或 Models 页）保存即覆盖启动环境里的旧值，argo 子进程下一跳新连接用新 key；「清除」只删凭证库里的值，环境变量或 .env 提供的 key 会重新露出。设置页只是凭证域的写入口，读取仍由宿主在每次调用时完成。

DeepSeek 官方 key 原生供给：argo 的 deepseek_search 引擎（官方 api.deepseek.com/v1/tools/search，结果自带 authority 权威分级 / rerank_score 排序分 / 发布时间）与 DSH 官方搜索后端共用同一把 key。插件经 DSH 原生凭证 seam 取用，不需要任何手工配置：解析路径 ctx.get('credentials').resolve('DEEPSEEK_API_KEY')，逐次解析——在 web Models 页轮换 key 后，下一跳新连接即生效，无需重启插件。插件不读 key 文件、不落盘、不打日志；key 值只经内存进入 argo 子进程 env，任何输出与错误信息都不含它。旧宿主无 credentials 服务时静默跳过：argo 侧该引擎按缺 key 停用，其余 271 个源不受影响。

web seam 的 pin 必读（漏配会打挂 web_fetch）：宿主 dsh-web 的 provider 选择规则是「配置 id 优先；都没有且恰好一个可用则选它；多个可用直接报 `WEB_PROVIDER_AMBIGUOUS`」。web profile 默认挂着官方 http fetch provider（免 key、永远可用），本 bundle 再注册一个就是两个可用——不 pin 的话 `web_fetch` 整个挂掉（web_search 同理，若 profile 里另有搜索 provider）。故启用 web seam 的 profile 必须在 web 服务行显式指定：

- id: web
  config:
    searchProvider: argo    # 已默认启用搜索 seam 时必配
    fetchProvider: argo     # 已默认启用抓取 seam 时必配

searchProviderEnabled: false / fetchProviderEnabled: false 可整体关掉对应 seam（provider 仍注册但不可选，不影响另一个）。搜索引擎侧，Firecrawl 等匿名可用引擎 keyless 免配置即用（免费层额度），配置了密钥的引擎自动升级为认证请求；缺密钥不阻断路由。

完整配置项、Compatibility 版本对照表与卸载方式见 packages/dsh-plugin/README.md。

核心优势

272 个源，235 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：npm / npx（已支持，当前 2.9.8；按 tag 发布，版本固定）
npm install -g argo-search      # 全局安装 CLI
npx -y argo-search              # 或即用即走，不装
npx -y github:taxueseek/argo    # 要跟 main 最新提交时用这条

# 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；自带六分区设置页，改完即生效 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 argo-search（npm 发布版）或 npx -y github:taxueseek/argo（main），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。

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五件事，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（235 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。

以上五项已经在 v2.9.x 系列里全部落地：272 个源、97 个领域、235 个免配置开箱。逐项细节见 docs/为什么选择argo.md 与 发布说明。

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。npm 安装已支持，当前版本 2.9.8，与 GitHub 同为本仓库发布。npm 路线用 npm install -g argo-search 或 npx -y argo-search，按 tag 发布、版本固定、下载体积更小；GitHub 路线用 install.sh / install.ps1 或 npx github:taxueseek/argo，跟 main 走。之后每次打 tag，CI 会把两个 npm 包和 GitHub Release 一起发出；registry 上更早的 v1.0.1 是历史版本，不要锁定到它。

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）