taxueseek/argo
argo-search
argo-search is a community DeepSeek Harness plugin. Read the repository README before installing.
Install
npx @deepseek-ai/dsh plugin --profile web add "github:taxueseek/argo"Restart `dsh web` after install. Bundle APIs can change during the developer preview.
README badge
[](https://dshhub.dev/plugins/argo)Paste this into your README. The star count updates with every catalog sync.
From the README
Excerpt from taxueseek/argo, cleaned of badges and images.
<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>
<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="#最近更新">更新</a>
这是踏雪寻仙 DeepSeek Harness 插件系列的一员，作者还有其他的优秀插件：dsh-files（传文件读文档） · dsh-snippets（片段收藏夹） · dsh-healthcheck（只读体检） · dsh-plugin-guard（插件安全审计） · taxue-dsh-artisan（提示词反推与多供应商生图）—— 完整插件栏目见个人主页
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四件事，每一件 Argo 都已经落在代码里：
- 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。
- 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。
- 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。 - 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（219 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。
- 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。
v2.8.9 把以上全部落地：253 个源、93 个领域、219 个免配置开箱。逐项细节见 docs/为什么选择argo.md 与 发布说明。
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
…
