搜索已成为AI代理可用的最重要外部能力之一。强大的模型能够出色推理，但无法恢复从未检索到的事实、无法在没有证据的情况下区分当前信息与过时报道，也无法可靠推断缺失的公司记录。AnySearch将这一问题视为代理的基础设施，而非面向人类的搜索页面。它不局限于返回链接、标题和简短摘要，...
搜索已成为AI智能体可用的最重要外部能力之一。强大的模型能够进行良好推理，但对于从未检索到的事实无法恢复，无法凭证据区分当前信息与陈旧报道，也无法可靠推断缺失的公司记录。
AnySearch将此问题视为面向智能体的基础设施，而非面向用户的搜索页面。它不单返回链接、标题和简短摘录，而是将查询路由至相关网络或垂直来源，去除重复和低价值内容，提取有用信息，并交付可直接进入模型推理上下文的结构化响应。
该产品在2026年7月6日当天及当周均位列Product Hunt榜首。其发布介绍强调通过API、MCP服务器或可安装的智能体技能，提供实时、过滤、去重、结构化的信息。
本文阐述这种面向智能体的搜索工作流与传统搜索API的区别，详细解析原始报告中展示的示例，并提供实用的安装与评估指南。
基准测试说明： 下文准确率和延迟数据均来自源文章复现的AnySearch对比结果。本版本审阅的公开资料未包含完整评估代码、原始输出、评判提示或统计分析。请将这些数据视为供应商报告的结果，而非独立复现的基准测试。
人类能够浏览结果页面、忽略广告、识别重复文章，并判断哪些链接值得关注。
而智能体往往将每个结果都作为输入接收，这会产生多重成本：
问题不仅在于检索准确率，还在于返回信息的形态与密度。
因此，一个实用的智能体搜索系统在将信息传递给模型前，应回答三个问题：
AnySearch正是围绕这些步骤设计的。
AnySearch在2026年7月6日获得Product Hunt当日及当周第一。Product Hunt将其描述为
受代理和开发者信赖的实时结构化搜索，能够从并行搜索的来源中获取经过过滤和去重处理的信息。
该源文章还介绍了一项由三个基准组构建的300题评估体系：
文中指出，AnySearch、Brave Search和Parallel均使用了相同的语言模型，因此搜索层（而非模型选择）是主要变量。
| 搜索系统 | 总体准确率 | FreshQA | WebWalkerQA |
|---|---|---|---|
| AnySearch | 76.4% | 80.0% | 65.2% |
| Brave Search | 64.0% | 74.0% | 46.8% |
| Parallel | 72.2% | 78.0% | 61.0% |
FreshQA评估的是依赖当前或变化信息的问题。WebWalkerQA则侧重于跨多个页面浏览网站和定位证据。两者结合，对于不仅需要浅层链接列表的代理而言具有很强的相关性。
FRAMES被纳入了源文章的综合评估中，但文章展示的按基准划分的图表除了综合得分外，仅显示了FreshQA和WebWalkerQA。
延迟图表显示，在平均对比和WebWalkerQA子集两个维度中，AnySearch的数值均更低。
| 搜索系统 | 平均延迟值 | WebWalkerQA延迟值 |
|---|---|---|
| AnySearch | 48.0 | 76.5 |
| Brave Search | 68.9 | 133.0 |
| Parallel | 77.4 | 145.6 |
源图片未明确标注单位，因此表格有意保留了报告中的数值，未将其转换为秒或毫秒。
AnySearch目前支持三种主要集成方式：
官方GitHub项目提供了一个采用Apache-2.0许可证的技能和MCP服务器。两者均支持通用网页搜索、垂直领域搜索、并行批量搜索以及整页URL提取。
官方仓库建议下载固定版本（pinned release），而非直接从主分支获取未发布的更改。
分支。
# 下载指定版本的 AnySearch Skill 发行版。
# 查看发行版页面，当有更新的稳定版本时替换 v2.1.0。
curl -L -o anysearch-skill.zip \
https://github.com/anysearch-ai/anysearch-skill/archive/refs/tags/v2.1.0.zip
# 解压发行版。
unzip anysearch-skill.zip
将解压后的目录移动到您的代理使用的相应位置：
# Claude Code
mv anysearch-skill-2.1.0 ~/.claude/skills/anysearch
# OpenCode
mv anysearch-skill-2.1.0 ~/.config/opencode/skills/anysearch
# Cursor 或 Windsurf 项目
mv anysearch-skill-2.1.0 /.skills/anysearch
# 共享代理位置
mv anysearch-skill-2.1.0 ~/.agents/skills/anysearch
确切目录取决于代理平台及其当前的技能发现规则。
官方技能和 MCP 文档指出，匿名访问的速率限制较低。API 密钥为可选，但建议使用以获得更稳定或更高的使用量。
请勿将 API 密钥提交到公共仓库。请将其存储在环境变量、密钥管理器或被忽略的本地配置文件中。
源文章中的第一个测试要求代理找到真实、面向生产的 Go API 速率限制器实现，而非入门教程。
提示内容为：
我正在构建一个项目，需要用 Go 实现 API 速率限制器。我不需要教程。请从真实开源项目中找到生产级代码。
在没有专用搜索工作流的情况下，据报告该代理返回了常见的链接和孤立的代码片段。这种结果虽然可能解释了概念，但当开发者需要完整的实现上下文时，帮助有限。
借助 AnySearch 辅助的运行返回了更加结构化的、面向代码的结果，包含更清晰的调用链以及来自实际代码库的材料。
这一区别至关重要，因为生产代码不仅仅是算法。有用的搜索结果应帮助代理检查：
一个提取了美观函数但忽略了其上下文假设的代码搜索可能会误导实现代理。
无论使用哪个搜索提供商，更明确的查询可以改善结果：
寻找维护中的、在生产代码中实现了 API 速率限制的开源 Go 项目。
要求：
- 返回仓库和精确的文件路径。
- 优先选择在真实服务器或网关中使用的代码。
- 包含初始化和请求流上下文。
- 指明算法、后端存储、测试和许可证。
- 排除教程代码库和复制的代码片段。
- 注明最近相关提交的日期。
搜索系统应提供证据。编码代理在改编代码前，仍应检查仓库、许可证、测试、安全假设以及当前的维护状态。
第二个测试
在同一公司调研需求上对比了AnySearch和Exa。
两份报告在基本公开公司信息方面都表现得不错。差异主要体现在风险部分。
据报道，AnySearch找到了本地发布的合规记录和平台公告，而这些内容在Exa生成的报告中是缺失的。消息来源将此差异归因于对中国垂直数据源的访问，而非语言模型本身。
这个例子凸显了公司调研中的一个普遍局限：全球网络索引或许能很好地覆盖组织的官方网站、国际报道和英文数据库，却可能遗漏本地的监管、法院、投诉或平台记录。
一个尽职调查智能体应明确搜索多个类别：
重要提示： 搜索辅助的尽职调查不能替代专业的法律、财务或合规审查。记录可能不完整，名称可能产生混淆，自动摘要也可能错误解读证据。
第三项测试要求AnySearch生成一份全球能源市场报告，内容涵盖：
消息来源显示的输出结果包含了区域库存细节、欧洲电价对比以及排放数据。该报告引用了近期信息，包括美国能源信息署7月9日发布的数据以及欧洲7月12日的日前电价。
该图与文档中测试三的内容相关，呈现了欧洲多国日前电价数据，是AnySearch生成的全球能源市场报告的一部分。](https://we0-cms.oss-cn-beijing.aliyuncs.com/cms-assets/image/2026/07/3f5432f8-0641-4e6e-b8aa-62b6a50e7d18-f18fcac7-52c7-4efa-a066-9c9722c9cea9.jpeg)
这是一个多领域查询的典型示例，要求系统识别出一次请求中包含多个独立数据路径，而非单一常规网页搜索。
可靠的实现应做到：
当前数据必须始终包含时间戳。若报告未说明底层测量的发布时间及其覆盖周期，则“最新”一词毫无意义。
核心设计主张是：AnySearch围绕智能体行为重构检索管道。
源代码所示的流程包含五个阶段：
系统首先识别查询需要何种类型的证据。
企业背景查询可能需要注册记录、专利、法律数据库及投诉平台。代码相关问题应路由至代码仓库和文档。能源市场查询则可能需要官方库存和电力市场数据。
这与将所有请求都通过一个通用索引处理的方式截然不同。
输入一句想法，We0 AI 即可生成展示站、页面与 CMS。发布上线后并帮你获取客户和流量。
用户注册赠送一次完整项目生成
适合先体验一次完整生成流程，快速看到项目初稿。
AnySearch表示，除通用搜索外，其还支持20余个垂直类别，涵盖以下领域：
公共MCP接口包含一个领域目录方法。智能体应请求有效领域和参数模式，而非自行创建不支持的过滤器。
一个跨越多个领域的问题可发起多个独立搜索。MCP服务器支持批量执行1至5个查询对象，且某个分支的失败不会阻塞其他分支的执行。
并行检索可减少总等待时间，但前提是聚合层能防止快速出现的低质量结果挤占速度较慢的权威结果。
证据。
原文提出了三种排序思路：
其预期目标是在内容进入语言模型之前进行更多过滤。
这与那种返回大量结果集并让模型自行去重的流水线不同。预过滤可以节省令牌，但引入了另一项责任：排序系统不得静默移除少数来源或关键的矛盾记录。
排序后，AnySearch会提取主要内容、去除页面噪音，并将结果转换为Markdown格式。
官方MCP服务器还提供了一个URL提取操作，能将页面内容以Markdown格式返回，并有明确的截断限制为50,000个字符。
结构化输出可以减少模型所需的工作量，尤其在结果包含以下内容时：
假设一个代理收到关于同一事件的十条结果。如果其中七条是对同一份原始报告的改写，那么上下文包含的是重复的论断，而非七份独立的确认信息。
这会导致三个问题：
基于来源的去重旨在保留独特的证据，而非简单保留排名最高的页面。
一个实用的代理搜索响应应使来源信息可见。开发者需要知道五条结果是代表五个原始来源、五个同一来源的联合发布，还是主要与次要证据的混合。
原文将较低的令牌消耗描述为AnySearch的一项优势，但并未公布一个通用的令牌减少百分比。
这很合理，因为节省量取决于：
公平的评估应衡量整个任务，而不仅仅是首次搜索响应。
有用的指标包括：
| 指标 | 衡量内容 |
|---|---|
| 搜索输入令牌 | 检索材料消耗的上下文 |
| 代理总令牌 | 搜索、推理、后续操作、 |
│ 最终生成 │
│ 每轮搜索调用次数 │ 弱检索是否导致重复搜索 │
│ 不同来源数量 │ 去重后的证据多样性 │
│ 引用精确度 │ 引用的来源是否支持相关说法 │
│ 回答完整性 │ 回复是否覆盖所需维度 │
│ 端到端延迟 │ 任务可用所需时间 │
│ 任务成功率 │ 智能体是否完成预期目标 │
省略关键证据的简短回答并非优化策略。只有在保持回答质量和可追溯性的前提下，Token数量减少才具有价值。
实际生产环境中使用的搜索组件必须处理那些在产品演示中极少出现的故障问题。
资源来源突出以下特性：
公共MCP文档还支持以下功能：
生产团队仍应添加自己的控制措施：
搜索输出是未经信任的外部输入。即使经过清理的Markdown文本，仍可能包含恶意指令、虚假陈述或受损内容。
传统搜索帮助用户定位页面。智能体搜索则有不同目标：提供机器可用的证据，以供推理和执行。
这改变了设计优先级。
| 面向人类的搜索 | 面向智能体的搜索 |
|---|---|
| 针对快速浏览优化 | 针对机器摄取优化 |
| 链接与摘要 | 结构化证据 |
| 用户自行去重 | 系统应减少重复内容 |
| 用户留意过期日期 | 日期应明确标注 |
| 用户决定信任谁 | 需要来源与质量信号 |
| 浏览可以是探索性的 | 重复搜索会消耗时间和Token |
| 视觉布局重要 | 稳定架构与Markdown重要 |
模型决定了智能体利用证据进行推理的能力。而搜索层则决定了最初哪些证据可供使用。
随着模型能力提升，检索质量的重要性只增不减。强大的模型即使基于薄弱上下文，也能生成极具说服力的回答。这使得来源选择、时效性和可追溯性成为智能体安全与可靠性系统的一部分。
开发者不应仅凭一项公开基准测试或某个令人印象深刻的安全套就不选择搜索提供商。
而应基于实际场景构建评估集。
您的智能体所执行的任务。
涵盖简单和困难的情况：
为每个提供商使用相同的模型、提示、工具策略和输出模式。
在模型进行总结之前存储返回的来源。否则，您无法判断错误是来自检索过程还是推理过程。
衡量延迟、总 token 数、重复搜索调用次数、覆盖范围、引用支持、时效性和失败率。
金融、法律、安全、医疗和合规任务需要专家审核。搜索 API 可以改进证据收集，但不能承担专业责任。
禁用某个来源、减慢某个路由、返回格式错误的内容、注入重复结果。生产环境的可靠性取决于系统在检索不完善时的表现。
AnySearch 是一种专为 AI 智能体和开发者设计的实时搜索基础设施服务。它提供网络搜索、垂直领域搜索、批量搜索和带有结构化输出的全文提取功能。
它有一个网站可供用户尝试搜索，但其主要定位是智能体基础设施。核心集成方式包括 API、MCP 和可安装的 Skill。
官方 Skill 和 MCP 文档指出，匿名访问的速率限制和配额较低。API 密钥是可选的，但建议更常规地使用。
公开文档提到金融、学术研究、安全、法律信息、代码及其他类别。智能体在使用特定领域参数前应查询支持的领域目录。
它尝试在检索前路由查询、减少重复来源、优先处理高信息密度的结果、去除页面噪音，并返回结构化 Markdown 格式。实际的 token 节省效果取决于查询内容和更广泛的智能体工作流程。
该分数由 AnySearch 报告，并在原始文章中复现。验证过程中未找到完整的公开评估包，因此该结果应被视为供应商报告的对比数据。
不能。它可以帮助收集公司、法律、财务和公共风险信息，但专业人士必须核实身份、来源权威性、完整性、司法管辖权和解读。
AnySearch Skill 和 MCP 服务器的代码库以 Apache-2.0 许可证公开。托管的 API 后端是独立服务，不包含在这些代码库的许可证范围内。
面向 AI 智能体的搜索基础设施。
AnySearch 将搜索视为智能体的输入层，而非供人浏览的页面列表。它跨通用和垂直来源路由查询，搜索多条路径，对证据进行排序和去重，去除页面噪声，并通过 API、MCP 或 Skill 集成返回结构化内容。
源码中的示例展示了为何这种设计对生产代码发现、本地公司尽职调查以及当前多市场数据至关重要。在每种情况下，智能体都需要完整、及时且可追溯的证据——而不仅仅是相关链接。
其 Product Hunt 排名和供应商报告的基准测试结果使 AnySearch 值得测试，但团队在更换生产检索栈之前，应使用自己的查询、模型、令牌核算和质量标准来重现对比结果。
在智能体工作流中，模型决定如何处理证据；而搜索层决定正确的证据能否到达模型手中。
