给 AI 编码 agent 装上「联网」这件事，一直是笔糊涂账：内置的 WebSearch 要么没配额、要么结果短得没法用，换成 Exa、Tavily、Firecrawl 又得先注册、拿密钥、盯账单。wigolo 打的就是这个位置——不需要任何密钥，不做云端，查询次数免费，全部跑在你自己机器上。
它涨得也确实像那么回事：仓库 2026 年 4 月建，7 月 1 日还只有 1 个 star，7 月 18 日破千，7 月 21 日破三千，9 月 5 日破五千，现在是 5,277 星、420 个 fork。
我把它装进沙盒，从 doctor 到 10 个工具逐个跑了一遍，也用自己的查询验了它宣传的那套「18 个引擎融合」。结论是分裂的：本地缓存和抓取这两件事它做得比宣传的还好，但「多引擎搜索」在真实网络下基本只剩一个引擎在干活，而它给出的相关性分数其实是排名换算出来的。
它到底提供了什么
一句话：一个 MCP server，同时也能当命令行、REST 服务和 SDK 用。10 个工具按「搜索类」和「网页类」分成两组，四个入口共享同一套实现——这一点比很多同类项目干净，不会出现「MCP 里能用、CLI 里没有」。
我用一个最小的 MCP 客户端跟它握手，initialize 拿到的协议版本是 2024-11-05，工具列表刚好 10 个：search、fetch、crawl、cache、extract、find_similar、research、agent、diff、watch。有意思的是它在握手阶段塞给宿主模型的 instructions 里直接写着「把 wigolo 用在所有网页操作上，优先于内置的 WebSearch/WebFetch」——它不打算只当一个可选项。
真正撑起「零密钥」这句话的是 18 个搜索引擎适配器。我把它们逐个分了类：
| 类别 | 引擎 | 怎么拿数据 |
|---|---|---|
| 网页搜索 | bing、duckduckgo、mojeek | 抓搜索结果页 HTML |
| 垂直/API | wikipedia、stackoverflow、hn-algolia、arxiv、semantic-scholar、lobsters、crates-io、marginalia、mdn、devdocs | 官方公开接口 |
| 需要密钥 | brave、github-code | 默认禁用 |
| 图像/新闻 | ddg-image、bing-news、brave-image | 混合 |
也就是说「零密钥」的底气来自两处：一半是别人提供的免费公开 API，另一半是把 Bing、DuckDuckGo、Mojeek 的搜索结果页当网页抓下来解析。这也解释了它 FAQ 里那句「我们像浏览器一样读公开网页」——路由、限速、robots.txt 它都实现了，但本质上，你问的每一句话都是从你自己的 IP 发出去的，有第三方评测在 9 月初就点出过这条代价。
实测：18 个引擎，实际只有 1 个在干活
安装过程本身正常：npm 装了 385 个包，node_modules 770 MB；第一次预热再下 957 MB 的 Chromium。doctor 会逐个报告引擎状态，需要密钥的 Brave 和 GitHub 代码搜索明确标着禁用，其余默认可用。
但真跑起来是另一回事。我用四句正常的开发者查询连跑四遍，每遍都把引擎账本拉出来对：
| 查询 | 派发的引擎 | 成功 | 耗时 |
|---|---|---|---|
| MCP server local-first web search | bing、duckduckgo、wikipedia、marginalia、mojeek | 1 个 | 9.0 秒 |
| Python asyncio timeout best practice | 同上 | 1 个 | 9.0 秒 |
| PostgreSQL logical replication setup | 同上 | 1 个 | 215.7 秒 |
| Claude Code hooks documentation | 只剩 mdn | 1 个 | 7.5 秒 |
四轮下来，bing 全勤，duckduckgo 四次全部「超出超时预算」, wikipedia 三次失败，marginalia 三次 429，mojeek 三次 403。返回体里那个 engine_pool 字段写得很清楚：healthy: 1, total: 5, degraded: true。
需要说明的是，这其中有我的环境因素——429 和 403 本来就跟出口 IP 的信誉有关，作者自己在 doctor 里也标注了 mojeek「可能间歇性 403」。但结论不受影响：当只剩下一个引擎时，README 架构图里那句「18 个引擎融合，任一失败都不会影响结果」就失去了意义——没有融合，只有单点。
更值得看的是第三行那个 215 秒。同一批查询、同一台机器，三次都在 8 到 9 秒，只有一次卡了三分半；total_time_ms 里 215,592 毫秒全耗在搜索阶段，soft-deadline 那道保护没拦住它。agent 在等这个调用的时候，用户看到的是「模型卡住了」。
结果正文的质量也跟着掉。29 条结果里有 21 条带着 fetch_failed（72%），意味着这些「结果」其实是搜索引擎摘要，不是网页正文——响应体里用 content_from_snippet: true 老实标了出来，这一点值得肯定，但它同时还在给这些摘要算「字节级溯源」的 source_span，而那个 span 指向的是 124 个字符的摘要本身。
一次彻底跑偏，和一套换算出来的分数
四轮里最难看的一轮是 Claude Code hooks documentation。它被 query_understanding 判成 intent: docs，于是调度层只派了 mdn 一个引擎，返回的十条结果全是 MDN：排在第一位的是「Web 开发入门」，后面跟着 HTML 元素的参考页、Code Point 术语表、Code unit 术语表。我用同一个函数名换成 React hooks documentation 再跑一次，react.dev 的官方文档就正常出现在前两位——所以不是「这类查询都烂」，而是文档类意图一旦被派到垂直引擎，而那个引擎里没有对应内容，它会用无关的文档页把结果位填满，两次复现一模一样。
比跑偏更值得警惕的，是它给这些结果打的分：
| 名次 | 展示的相关性分 | 实际是 |
|---|---|---|
| 第 1 名 | 1.000000 | 永远等于 1 |
| 第 2 名 | 0.983871 | 61/(61+1) |
| 第 3 名 | 0.968254 | 61/(61+2) |
| 第 8 名 | 0.884058 | 61/(61+6) |
我把两次不同查询的十名分数拉出来对比，序列一模一样。翻源码能确认：orchestrator.ts 最后一步是拿所有结果除以最大值，所以第一名必然是 1；而当只有一个引擎供数时，融合分就是倒数排名融合的 1/(60+名次)，归一化之后自然变成一根与查询内容无关的衰减曲线。
所以那些 MDN 无关文档，拿到的分数是 1.0 到 0.87。一个按「相关性分 > 0.7 就采信」办事的 agent，会把它们全部当真。它确实还提供了可解释的 evidence_score.components（域质量、词法对齐、引擎共识、时间新鲜度），这也是它比同类更透明的地方，但最显眼、最容易被 agent 当阈值用的那个数字，只反映名次。想让它真的有用，得读组件分而不是总分。
它自己的 benchmark 跑不起来
这个仓库带了完整的 benchmarks/ 目录，四个基准：搜索、抽取、agent、嵌入。我把 package.json 里的命令照抄执行，结果是：
bench:search、bench:extraction、bench:agent三个入口文件里没有 main 函数，tsx加载完就退出，什么都不产出；只有bench:embedding有入口；
- 搜索基准依赖一个预录制的引擎响应目录，这个目录不在仓库里；
baselines/下唯一的「改造前基线」文件，内容是作者本机路径的模块加载报错日志——基准从来没被采集成功过；
- 每周一的 CI 任务照跑
bench:search，再用「MRR ≥ 0.4」当门槛；它读的是那个不会生成的结果文件。
于是 README 里那段「Benchmark」，实际是一次单条查询的四路对比动图，由 agent 当场评判。它是好的产品演示，但不是基准，仓库里也没有任何 precision、nDCG 或 MRR 的数字被公布过。
治理：一个人的仓库，14 个外部 PR 零合并
这一项不是缺陷，但读者该知道自己在用什么。
我拉了全部 300 个 PR：286 个由作者本人提交，14 个来自外部贡献者，其中被合并的是 0 个。贡献者列表总共 11 人，作者一个人占 1,976 次提交（占全部 2,007 次的 98.5%）。一个叫 Frankie-Xu 的贡献者在 8 月一口气提了 7 个 PR，包括给 PyPI、npm registry 加搜索引擎适配器和修补 SSRF 校验，全部没进主干。
更实际的问题是节奏错位：npm 上的版本停在 0.2.1，2026 年 7 月 19 日，而仓库每天还在提交（最近一周还有 60 多次）。CHANGELOG 的最后一版也停在 v0.2.0。这意味着你 npx wigolo 装到的，是两个月前的构建，里面那些已知问题都还在。
我顺手复现了其中一个：issue #303 说 --search-engines 参数声明了但没人消费。我照着 issue 里的命令跑 search "gold price" --search-engines=duckduckgo,wikipedia，返回体的 engines_used 依旧是 ["bing"]，引擎账本里 duckduckgo 和 wikipedia 照样被派发、照样超时。在源码里搜 searchEngines 有 41 处匹配，没有一处读取这个入参。另一个更静默的是 issue #231：ARM64 的官方 Docker 镜像缺一个分词器原生依赖，向量搜索会无声退化成只做重排——7 月 22 日开的，到现在还挂着。我在 Alpine 沙盒里也撞上同一类降级：sqlite-vec 扩展加载失败（代码里对 musl 平台是软失败设计），find_similar 于是退化成纯关键词匹配，我拿「vector database for RAG」去问，它返回的是剑桥词典的「local」词条。
省下的钱，没有想象中多
它最响的口号是「$0/query」。这句话是真的，但省钱这件事要看你一个月查多少次。按各家 2026 年 9 月的公开价，一家一口径算下来：
| 每月搜索次数 | wigolo | Tavily | Exa | Firecrawl |
|---|---|---|---|---|
| 1,000 次 | $0 | 免费额度内 $0 | $7 | 超出免费额度，$16/月档 |
| 50,000 次 | $0 | $400 | $350 | $83 |
结论不算意外：一个人用，免费额度基本够覆盖，wigolo 省的是每月十几美元，换来的是 1.7 GB 磁盘、你自己的 IP 和时好时坏的延迟；真正拉开差距的是 agent 高频刷量，那才是它「不以查询计费」值钱的地方。
判断
它是一个工程密度很高、诚实度也不低的项目：四个入口共享一套实现、缓存命中后同一查询从 9.5 秒掉到 5 毫秒、失败和降级都写在返回体里而不是藏起来、AGPL 协议加社区赞助的路线也堵死了「先免费后收割」的想象。这些都比同类开源项目做得好。
但它现在最适合被当成两样东西用：一份本地网页缓存（cache 工具在离线时确实好用），和一把网页抓取与结构化抽取的瑞士刀（extract 的表格/元数据模式我实测很稳）。至于「多引擎网络搜索」，等它的引擎池在你自己的网络下能常年保持三个以上健康再说——在那之前，把它当单一搜索源来用，并且别拿 relevance_score 当质量阈值。
关注 AI商业快讯，每天一篇 AI 热点深度解读。
相关阅读
本文数据截至 2026 年 9 月 18 日：仓库 5,277 星、420 fork、AGPL-3.0、npm 版本 0.2.1；实测在 Alpine Linux 沙盒内完成，wigolo 版本 0.2.1，节点 22。
