前端进阶之旅前端进阶之旅
基础篇
进阶篇
高频篇
精选篇
手写篇
原理篇
面经篇
AI 面试
自检篇
每日一题
  • 综合
    • 综合题型
    • 其他问题
    • 设计模式
    • 思维导图
    • 学习路线
  • 前端基础
    • HTTP
    • 浏览器
    • 计算机基础
  • 进阶学习
    • NPM工作流
    • Docker
    • Canvas
    • Node学习指南
    • 前端综合文章
  • 其他
    • Handbook
    • 职场话题
    • CSS可视化
小程序题库
公众号动态
博客动态
AI 热点
开发者导航
基础篇
进阶篇
高频篇
精选篇
手写篇
原理篇
面经篇
AI 面试
自检篇
每日一题
  • 综合
    • 综合题型
    • 其他问题
    • 设计模式
    • 思维导图
    • 学习路线
  • 前端基础
    • HTTP
    • 浏览器
    • 计算机基础
  • 进阶学习
    • NPM工作流
    • Docker
    • Canvas
    • Node学习指南
    • 前端综合文章
  • 其他
    • Handbook
    • 职场话题
    • CSS可视化
小程序题库
公众号动态
博客动态
AI 热点
开发者导航
返回 AI 情报前线
All News · 全部资讯4276
  • Meta发布Muse Glimmer 30B:首个Apache 2.0许可的开权重大模型
  • Agent Plugins 1.0三步桥接到Claude Code
  • 一个 API 统一 YouTube/TikTok/MP4 语音转写,附踩坑经历
  • Claude Code 2.1.227修复GitHub Action沙箱权限问题
  • 本地搜索作为Agent能力:无SERP爬取、无API密钥
  • 蚂蚁百灵开源 Ling-3.0-tiny:7.9B MoE 模型可在 Mac mini 本地跑
  • AI安全不是快照测试,而是持续过程
  • 我为AI Agent接入了每笔交易消费防火墙,已成OpenClaw插件
  • phi:12MB 轻量终端编程 Agent
  • Ski:为编程Agent打造的语音交互工具
  • OpenSSH 10.5 发布:修复 ssh-agent 锁定绕过漏洞,AI 发现的安全漏洞进入官方流程
  • 多模态AI推理系统的安全构建指南
  • Meta Muse Glimmer:可在笔记本运行的30B本地Agent模型
  • ctxlens:AI Agent会话的上下文窗口分析工具
  • 商汤 SenseNova 6.8 Flash Lite:主打轻量委派智能,支持长程 Agent 协作
  • 多 Agent 系统最难的是状态协调,而非选框架
  • 第一条 AI Agent 上线前别给它发邮件权限
  • 我为AI提示词做了个迷你Git
  • LLM Prompt 上线前必须验证的 22 项检查清单
  • Anthropic全局水印:所有Claude输出嵌入C2PA标准隐写标记
  • AI在科研工作中真正能加速的环节分析
  • AI生成游戏为何每局都配独立沙箱:用完即弃的隔离架构
  • 我用三年做出一款图灵完备的视觉低代码平台,并训练AI操控它
  • Claude隐形水印已上线:复制粘贴后仍可追踪,2026年生效
  • GPU计算租赁合同中易被忽略的三类关键条款
  • 数据中心KV缓存能耗评估与优化
  • TokenScope:可视化AI Agent的Token消耗分布
  • 计算租赁选择:聚焦三大SLA指标而非单价
  • 完全本地运行的免费AI代码审查工具
  • AI评估的本质:谁来定义"好"的标准
  • iOS 后台任务链失效:BGTaskScheduler 漏掉 submit 的教训
  • Weng的Harness优化阶梯存在评估器盲点
  • 保持Agent缓存高效的五个实用模式
  • Stack Overflow播客:tokenmaxxing不等于valuemaxxing
  • DeepSeek 组建代码智能体团队,对标 Claude Code
  • 已加载 35 / 4276
8.0
热点
AI SCORE
编程提效2026-08-11 18:15

本地搜索作为Agent能力:无SERP爬取、无API密钥

dev.to · AI#Agent#搜索#本地部署
Editor brief · 编辑速览

在本地运行搜索引勤作为Agent工具的方案,通过typed JSON调用绕过传统爬虫和付费API,适合需要实时信息的AI Agent场景。

文章思维导图
Knowledge map
拖拽缩放
Full translation

完整中文译文

你的 agent 需要查找信息。默认做法是抓取搜索引擎结果页——解析 HTML、躲避频率限制、祈祷标记语言不会突然变样。第二种做法是接入托管搜索 API:注册、生成密钥、嵌入运行时、看着按查询计费。还有第三条路,两个都不选:把本地搜索引擎作为 agent 能力来运行——一个一次安装、之后以类型化 JSON 调用的有据可查的网络搜索工具,无需抓 SERP,也无需管理 API 密钥。以下是端到端的完整方案。

为什么 Agent 不应该抓取 SERP

在 agent 循环内部抓取结果页会以安静、恼人的方式失败。HTML 变了,解析器就坏了——不是报错,而是悄无声息地给出错误结果。频率限制在运行中途触发,agent 卡在 429 上而不是完成任务。而且你拿到的结果是为了让人类盯着屏幕看的,不是为了让模型提取引用的。

托管 API 这条路解决了抓取问题,但引入了自己的代价:密钥配置、密钥轮换、按查询定价,以及每个要评估的搜索供应商都有不同的 SDK 需要学习。这些都不是你要做的任务本身,那个任务是:给 agent 提供真实依据,快。

把本地搜索引擎作为 Agent 能力来运行

在生产环境中真正经得住考验的模式是把搜索当作一种能力:agent 拥有的工具,本地安装、可发现、无需任何浏览器或 REST 管道即可调用。Pilot Protocol 的 agent 应用商店正是围绕这个循环构建的——发现 → 安装 → 调用——只需要三条命令。

看看有什么可用:

pilotctl appstore catalogue

安装搜索应用:

pilotctl appstore install io.pilot.cosift

调用它:

pilotctl appstore call io.pilot.cosift cosift.search '{"q":"grounded web search for AI agents"}'

最后一条就是全部意义所在。应用作为类型化 IPC 服务运行在本地守护进程上——JSON 入、JSON 出——返回带 URL 和摘要的排序命中结果。你的 agent 从不接触搜索引擎的 HTML,从不持有搜索 API 密钥,从不离开本地调用边界。

这里"本地"的实际含义

值得对架构做一个精确说明,因为这正是它不同于又一层 API 封装的地方。

能力运行在你的机器上。应用本地安装,按需由守护进程自动派生。不需要浏览器会话,也不需要从你的 agent 到需要认证的第三方端点的 REST 往返。

安装经过签名验证。应用清单固定了 sha256 哈希和 ed25519 签名,每次应用派生时重新校验。你不是在往运行时里随便 curl 一个脚本。

权限按需授权。应用在安装时说明自己需要什么,而不是继承对整个环境的环境性权限。

能力在运行时可被发现。每个应用都暴露一个帮助契约,所以 agent 可以在调用前了解工具的功能:

pilotctl appstore call io.pilot.cosift cosift.help '{}'

这与搜索 MCP server 或插件相比是完全不同的形态:适配器是本地且轻量的,信任边界是显式的,重型检索后端不在 agent 的关键路径上。MCP server 对很多场景是好模式——这里的区别在于适配器放在哪里以及安装如何验证。

完整配方:搜索 → 读取 → 回答

一次搜索调用可以返回排序命中,但串起能力来用效果更好。cosift 应用的方法正是为这种流程构建的——搜索,然后读取一条命中,然后在语料上综合出答案:

pilotctl appstore call io.pilot.cosift cosift.search '{"q":"x25519 key exchange"}'

从结果中取一条命中的 URL 并拉取其全文:

pilotctl appstore call io.pilot.cosift cosift.contents '{"url":"https://example.com/..."}'

或者跳过手动阅读,就同一语料请求有引用的有据可查的回答:

pilotctl appstore call io.pilot.cosift cosift.answer '{"q":"what is x25519 used for?"}'

当一个答案不够时,cosift.research 运行多步研究传递而不是单次查询。这个模式可以泛化到搜索之外:任何这样安装的能力都成为 agent 可以组合的本地工具——搜索证据、拉取来源、带引用回答,全部不离开类型化 JSON。

何时仍然应该自建索引

坦诚条款:"本地搜索引擎"可以指两个不同的东西,区别很重要。如果你需要搜索自己的语料——内部文档、代码库、数据集——正确的工具是针对文件的嵌入式引擎,而不是网络搜索应用。同样的应用商店模式也覆盖了那个场景:目录里包含进程内引擎如 DuckDB,用于对本地文件做分析查询,不需要配置服务器。

如果你的 agent 需要有据可查的网络检索——当前信息、可以引用的来源——那就是搜索能力的用武之地。按你要搜索什么来选工具,而不是按什么最容易安装。

整个循环——安装 CLI、浏览商店、安装搜索应用、从 agent 调用——从一条命令开始:

curl -fsSL https://pilotprotocol.network/install.sh | sh
pilotctl appstore catalogue

这个商店可被网络上 24.3 万+ 的 agent 发现,这是收益的另一半:能力构建一次,任何 agent 都可以找到并安装它。抓取 SERP 是没有工具时的变通方案。现在你有了工具。

Original source

本文由 AI 翻译整理自 dev.to · AI,原文版权归原作者所有。

阅读英文原文
上一篇
Claude Code 2.1.227修复GitHub Action沙箱权限问题
下一篇
蚂蚁百灵开源 Ling-3.0-tiny:7.9B MoE 模型可在 Mac mini 本地跑