argo

<p align="center"> <img src="assets/readme/hero.svg" width="100%" alt="Argo 阿尔戈：给 Agent 用的统一搜索与证据核验"> </p>

<p align="center"> <strong>中文</strong> · <a href="README.en.md">English</a> · <a href="README.ja.md">日本語</a> · <a href="README.ko.md">한국어</a> · <a href="README.es.md">Español</a> </p>

<p align="center"> <a href="#这是什么">介绍</a> · <a href="#它和模型自带搜索-ai-搜索-聚合搜索比强在哪">对比</a> · <a href="#问啥像啥">证明</a> · <a href="#它怎么工作">机制</a> · <a href="#快速开始">快速开始</a> · <a href="#能做什么">能力</a> · <a href="#安装与配置">配置</a> · <a href="#版本记录">更新</a> </p>

<p align="center"> <img alt="license" src="https://img.shields.io/badge/license-MIT-blue"> <img alt="python" src="https://img.shields.io/badge/python-3.10+-green"> <img alt="version" src="https://img.shields.io/badge/version-2.8.0-informational"> <img alt="engines" src="https://img.shields.io/badge/engines-120+-orange"> <img alt="mcp" src="https://img.shields.io/badge/MCP-10 tools-purple"> </p>

---

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。

<p align="center"> <img src="assets/readme/why-better.svg" width="100%" alt="左侧三种默认搜索给人看的结果，右侧 Argo 给 Agent 的可吸收证据 JSON"> </p>

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。

---

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

<p align="center"> <img src="assets/readme/proof-routes.svg" width="100%" alt="四类真实路由：金融、影视、多语言、地理"> </p>

你这样问	大致会怎样
贵州茅台股价	A 股行情域，优先快照源，够用就停
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、中国 GDP	宏观数据域；国别分流
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

<p align="center"> <img src="assets/readme/workflow.svg" width="100%" alt="查询 → 语言与域 → 多引擎召回 → RRF → 证据快评 → 统一 JSON"> </p>

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）

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：写清口径，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。不依赖 npm 官方包也能用最新版（v2.5.1 起以 GitHub 为安装真源；当前推荐 v2.8.0。npm registry 上的旧包可能滞后，可不走）。

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）

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

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 "贵州茅台股价" --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 3.10+，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，模型直接获得 10 个 mcp__argo__* 工具：

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 可在用户层 cordis.patch.yml 覆盖（如改用本地源码路径）。

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 3.10+
python3 -c "import yaml; print('PyYAML OK')"
python3 -m pytest tests/test_unit.py -q   # 可选
python3 scripts/search.py --list-engines

---

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。目前约 120+ 个源、60+ 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，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 兜底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
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（闭环）	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」	--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 + 融合后兜底过滤（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（v2.8.0）

• 证据闭环（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
• 约 150+ 个搜索源、70+ 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（真源：config.yaml）
• 垂直结构化模态卡：火车票 / 油价 / 贵金属 / 万年历 / 星座 / 手机参数 / 汽车 / 医疗挂号等查询返回实时结构化卡片（modal_card 域 → bocha_ai 原生引擎，失败自动回落 web 搜索）
• 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
• 10 个 MCP 工具：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
• 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）
• 垂直域门禁：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」路由到 marginalia、「营养成分 热量」路由到 usda、「国务院 政策」路由到 gov_policy
• 70 域 TTL 全覆盖（v2.7.3 追加）：实时卡片/快讯/行情缓存 5-15 分钟（此前 1 小时），学术稳定型放宽到 2 小时
• 垂直源中英双语（v2.7.3 追加）：worldbank / eurostat 英文国家与指标名（China GDP / US inflation / Japan population 实测命中）；快讯类引擎触发词放行全量榜单；百科条目页直接命中兜底

---

引擎与路由

当前配置大约 120+ 个源、60+ 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 / metaso / 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 / felo / exa	国际 / 语义	付费或额度
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（10）

工具	用途
argo_search	统一搜索
argo_local_search	本地文件搜索（非联网）
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	3.10+（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，免费引擎自动兜底。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"

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「一份真源 + 符号链接」。用 link_source.py，不要 rsync 多副本。

---

CLI 常用参数

python3 scripts/search.py [选项] 查询词

  --engine, -e       引擎，默认 auto
  --max-results, -n  条数，默认 5
  --depth, -d        fast | balanced | deep
  --mode             fast | auto | deep | budget
  --no-cache         跳过缓存
  --explain          打印路由说明
  --json             JSON 输出
  --timeout, -t      超时秒数
  --list-engines     列出引擎

---

设计取舍

1. 先服务 Agent 吸收，再谈链接数量。
2. 免费与本地优先，付费可选增强。
3. 失败要可观测：空结果、超时、熔断分开标，不静默吞掉。
4. 配置驱动扩引擎，config.yaml 为单一真源。
5. 单一真源安装：链接入口、不 rsync 多副本。
6. 不把社交当真理库；社交内容适合扩维与舆情，不适合单独当真值。

---

适用场景

• Claude Code / Grok Build / Codex / Kimi 等 Agent 的搜索后端
• 多语言、多领域日常问答：中英日韩等 + 金融 / 影视 / 体育 / 学术 / 代码
• 脚本与流水线里需要 可复现、可缓存 的检索
• 事实核查、金融公开信息、实体与公开资料的 多源对照

不太适合单独承担：平台内高级互动定榜、需要长期养服务的最大召回聚合器（已用内嵌本地引擎替代外挂 SearXNG 主路径）。

---

目录结构（简）

argo/
├── README.md                # 中文介绍（默认）
├── README.en.md             # English
├── README.ja.md             # 日本語
├── README.ko.md             # 한국어
├── README.es.md             # Español
├── SKILL.md
├── package.json             # npx 入口
├── bin/argo.js              # Node 启动 MCP
├── bin/argo                 # Python CLI
├── config.yaml              # 引擎与域配置（真源）
├── assets/readme/           # README 视觉资源
├── backends/
├── scripts/                 # search / research / mcp / install …
├── sub-skills/local-search/
├── sub-skills/ego-search/      # 登录态专业搜索（默认关闭，开启命令见正文）
├── tests/
└── docs/

---

版本记录

版本	说明
v2.8.0	证据闭环 + 求职 v3 + 天气双源：搜索输出自带证据门控（高后果问题标 fetch_required、每条结果标 fetch_suggested、--verify 一键核验回填「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）；argo job 求职搜索 v3（结构化字段 + 增量监控 + 指纹去重 + Ashby ATS / 北京高校源）；天气双源并行（wttr.in + Open-Meteo，地理编码 + 空气质量）；新增 Parallel / You.com 通用引擎；health_check 崩溃修复 + 日韩股票查询错配修复。详见 发布说明
v2.7.3	本轮修复 + 引擎激活：引擎层 HttpClient 接入（UA 轮换 / 重试 / 重定向跟随，arxiv 从 5s 超时空返回变为 2s 内 10 条有效结果）；TF-IDF 强语义注入激活 25 个垂直引擎（marginalia / open_meteo / usda / gov_policy / cnii 等，此前有 profile 但永远选不中）；env 占位缺失过滤（github 无 token 从 401 恢复匿名 API）；70 域 TTL 全覆盖（金价/快讯/行情缓存从 1 小时缩短到 5-15 分钟）；垂直源中英双语覆盖（worldbank / eurostat 英文国家与指标名，实测 China GDP / US inflation / Japan population 全部命中）；快讯类引擎触发词放行（「快讯」不再被当关键词滤空）；百科条目页直接命中兜底（moegirl 等搜索跳转条目页不再空结果）；熔断 empty 语义修复（查询无结果不误判引擎故障）；国际引擎中文查询 URL 编码修复（18 处）；单一真源文档修正（engines/specs/ 外置目录）。详见 发布说明
v2.7.2	登录态专业搜索：新增 ego-search 子技能（默认关闭，开启方法与依赖见上「登录态专业搜索」节）；搜索兜底 / 多意图路由 / 统一健康视图；日韩文查询不再混入中文引擎、显式语言指定生效；MCP 服务拆三模块；具备安全防护（登录态结果与公共缓存隔离、URL 安全检查）。详见 发布说明
v2.7.1	安全加固 + 路由修复：SSRF 防护（URL 白名单 + IP 段检查）；路由健康状态语义漂移根因修复（只对 local_* 做健康判定）；深度研究 local_first 浪费修复；配置清理（单一真源）。详见 发布说明
v2.7.0	垂直结构化模态卡：内建 bocha / bocha_ai 原生引擎，modal_card 域统一识别火车票 / 油价 / 贵金属 / 万年历 / 星座 / 手机 / 汽车 / 挂号等实时卡片；bocha web 解析缺陷修复。详见 发布说明
v2.6.2	合并独立改进线：网络环境感知 / 加权 RRF + 语义缓存 / 自适应引擎禁用 / 内容安全 + 查询变体 / 三大垂直引擎 / 日韩域路由补全；含 v2.6.1 路由修复。详见 发布说明
v2.6.1	v2.6.0 修复版：路由误伤修复（capital of 不再抢 fact_check）；版本同步。详见 发布说明
v2.6.0	多语言搜索（检测 / 引擎参数 / 跨语言回退）；影视·体育·地理·组织·媒体等垂直补全；recovery 防污染；能力族与矩阵回归；约 120+ 源。详见 发布说明
v2.5.1	金融/宏观/化学等垂直答案源加厚；引擎分层 + combo 预算；v2.5.1 说明
v2.5.0	安装脚本 + npx；查询改写与路由解耦；路由热路径缓存；MCP 紧凑响应
v2.4.0	路由低分回退与社交误吸过滤；缓存 depth / 柔性命中；熔断与负缓存；engine_outcomes
v2.2–v2.3	证据两阶段、中文信源表、content_signals、fetch 栈、引擎扩充
v2.1	社交引擎层（多平台 UGC）
v1.x	统一命名为 Argo，多引擎路由与双层缓存成型

更细说明见 docs/RELEASE_NOTES_v2.7.0.md 与 docs/OPTIMIZATION_ROADMAP_v2.4.md。

---

贡献

欢迎提 Issue 与 Pull Request。改路由或证据逻辑时，请尽量补对应测试：

python3 -m pytest tests/test_unit.py tests/test_multilingual.py -q
python3 scripts/regression_p0p1.py --offline
python3 scripts/matrix_search_eval.py --offline
python3 scripts/ab_eval_p0p1.py   # 可选，含在线实测

提交前请确认：不含真实 API Key、本机绝对路径、账号 cookie 等敏感信息。本机 Skill 路径请写在 installs.local.yaml（已忽略）。

License

MIT License © 2026 taxueseek

<p align="center"> <a href="https://github.com/oil-oil/beautify-github-readme"><img src="assets/readme/made-with-beautify.svg" width="300" alt="README made with beautify-github-readme"></a> </p>

---

好的搜索不是让你看得更多，是让你更敢下结论——以及知道什么时候还不该下结论。