上线一月吸引10万开发者，这家中国团队帮Agent看见网页外的世界

5 月中旬，一个名叫 anysearch-skill 的开源仓库出现在 GitHub 上，一周之内冲上了 Agent 技能市场 Skills.sh 的热榜第一。开发者们发现，给自己的 Agent 装上这个 Skill 之后，原本要搜七八轮才能拼凑完整的调研任务，常常一两次调用就能拿到结果，而且返回的不是网页链接，是可以直接进推理链路的结构化数据。

仓库背后是一家刚成立不久的公司 AnySearch。5 月 11 日产品正式上线，上线一个月，已有超过 10 万名开发者把它接入自己的工作流，累计搜索调用量突破 400 万次，GitHub Star 数超过 4,000，用户分布在亚太、北美和欧洲。6 月 3 日，团队发布 V2.1.0 版本，完成了上线以来对算法层和架构层最大的一次升级。

这家公司想解决的问题，藏在所有 Agent 使用者的日常体验里：模型越来越会推理，但喂给它的信息，依然来自一个为人类眼睛设计的搜索体系。金融数据、裁判文书、学术引用、威胁情报，这些完成专业任务真正需要的东西，大多在传统搜索引擎触及不到的地方。AnySearch 把这些专业数据源聚合到一个统一入口之后，只服务 Agent，不服务人。

“我们认为，未来 Agent 的竞争不仅是模型能力的竞争，更是信息获取能力的竞争。”AnySearch 联合创始人韩广彤在接受 DeepTech 采访时说。

满足一个简单的信息需求，为什么这么难

AnySearch 的四位初创团队成员都是 AI 开发者。过去一年，他们一直用 Agent 辅助产品研发，做代码研究，做行业调研。模型的推理能力肉眼可见地在变强，但他们反复撞上同一堵墙：一个很宽泛的信息需求，很难通过单一查询或单个通用搜索一次性拿到全部结果，还有一些信息藏在需要登录的系统后面，整个获取链路冗长而琐碎。

图丨AnySearch 团队成员（来源：受访者）

“我们在想，在 AI Agent 如此发达的今天，满足一个最简单的信息需求为什么如此困难。”韩广彤回忆道。

这个困惑最终被拆解成三个问题：信息本身在哪里，信息如何被组织起来，以及如何让 Agent 用好这些信息。AnySearch 整个产品，就是对这三个问题的回答。

在韩广彤看来，问题的根源是过去三十年的搜索引擎全部围绕人的眼睛设计。人在搜索时视觉注意力敏锐，对排在前面的内容极其敏感，于是所有搜索引擎都以 Top-K 相关性作为主要优化目标。但 Agent 不是人。它有更宽、更平缓的信息感受野，能在短时间内消化大量输入，搜索结果会直接进入后续推理链路，成为分析和决策的依据。给人看的相关性排序，对 Agent 来说是一套过时的机制。

“Agent 真正需要的是更可信、更结构化、能够直接使用的信息，这也是 AnySearch 在设计上的一个核心出发点。”韩广彤说。

动手之前，团队和 100 多位开发者做了访谈，归纳出三个普遍需求：搜索过程要高效，减少调用次数和上下文消耗；相比覆盖更多网页，开发者更想直接拿到金融、法律、学术、安全这类专业领域的多维数据；他们要的不是又一个搜索引擎，而是一套贴合 Agent 工作流的信息获取基础设施。

一条查询进来之后

一条查询进入 AnySearch，第一步不是检索，而是查询理解。

以企业尽调为例。用户在 Agent 里输入“查一下深圳某某智能科技有限公司的股权结构、涉诉记录和专利布局”，系统首先识别出这不是一次简单的信息查询，而是一项企业研究任务，并把它拆解成几个维度的信息需求。随后进入路由编排：股权结构走企业工商数据源，涉诉记录走法律数据库，专利布局走知识产权数据库，多路并行检索。

图丨AnySearch 的查询检索流程（来源：AnySearch）

结果返回后，系统对不同来源的数据做归一化、重排序和结构化融合，把股权关系、经营记录、诉讼信息和专利数据映射到同一家企业实体上。最终交付给 Agent 的是一份带来源标注的结构化尽调结果，Agent 可以直接基于它生成报告。

同样的路由逻辑适用于其他领域。开发者问“Go 的分布式限流器在生产环境怎么实现”，查询会被导向代码仓库、技术文档和开发者社区；安全工程师凌晨查一个可疑 IP，请求会进入威胁情报数据库。智能路由的价值不只是更准，也在于减少无效检索带来的延迟和资源浪费。

这种效率差距是可以被量化的。在团队最近做的一次搜索能力测试中，几个接入不同搜索工具的 Agent 完成同一项代码研究任务，所有方案都找到了正确答案，但 AnySearch 只用了 1 次搜索调用，其他工具分别用了 7 次、16 次和 28 次。

“这并不是因为 AnySearch 返回了更多搜索内容，而是因为返回的信息经过了查询理解、多源检索和结果融合处理。”韩广彤解释，Agent 拿到的是已经组织好的信息，不需要反复搜索来拼凑上下文，后续推理的 Token 消耗也随之下降。

用户们的体感与此一致。一位开发者实测金融垂直搜索后写道，返回的英伟达季度营收数据“精确到了具体数字，而不是模糊的‘大幅增长’”。

图丨AnySearch 在不同基准测试上的准确率表现（来源：AnySearch）

V2.1.0 的升级重点也在这条链路上：算法层引入了融合语义相关性与时效性信号的混合排序，架构层重构了领域划分和路由逻辑。韩广彤表示，此前最大的瓶颈不是单纯的延迟或准确率，而是搜索质量的稳定性，“当 Agent 开始处理越来越复杂的跨领域任务时，系统需要持续返回正确结果。”

永远滚不到山顶的石头

专业数据从哪来，决定了这类产品的成色。AnySearch 采用自建索引加外部数据源接入的联邦架构。对金融、法律、学术、安全、企业工商这些高价值领域，团队从第一天起就在建设自己的数据管线，覆盖采集、清洗到索引构建的端到端链路；通用搜索和长尾需求则交给外部数据源补足。

坚持自建的理由非常简单。“如果完全依赖第三方 API，数据质量、更新频率和服务可用性都会受制于人。”韩广彤说，“对于高价值、高需求领域，我们希望把数据质量和检索能力掌握在自己手里。”

垂直领域的另一面是错误成本。金融、法律场景里，一个过时的数字或一次引用失误，都可能直接影响下游判断。为此 AnySearch 在搜索层引入多源交叉验证，避免 Agent 基于单一来源下结论，结构化数据保留来源信息和可追溯链路，供开发者回溯验证。

但真正的苦活在日常维护。每个数据源按自己的节奏独立演化：金融数据分钟级刷新，法律判例几个月不动，代码仓库实时流动。接口协议和质量信号完全异构，上游悄悄改一个字段、换一种认证，下游就会出问题，没有人提前通知你。更难的在融合层，新闻按时效排序，学术按引用，代码按 Star，跨领域之间不存在天然可比的质量标准，每新增一个垂类都要重新校准。传统搜索引擎还有点击率这个反馈信号，而 Agent 拿到结果后推理效果如何，搜索系统看不到，只能靠间接指标持续改进。

“这是一块永远滚不到山顶的石头。”韩广彤说。

Skill 走红之后

AnySearch 上线时同时支持 Skill、MCP、API 三种接入方式，最先出圈的是 Skill。

这与当下 Agent 生态的接入习惯有关。Skill 本质上是一份给 Agent 看的使用说明加一组跨平台命令行工具，主流 Agent 产品已支持自动发现和安装，开发者几乎零配置就能用起来，天然适合社区传播。有开发者把它形容为“一套给 Agent 用的搜索 SOP”：先判断要不要联网，再选数据源，再读网页，最后核验和引用来源。

图丨AnySearch 的 GitHub 仓库（来源：GitHub）

不过韩广彤对目前的热度保持着一份清醒。Skill 在 GitHub 上的关注度高于 MCP，但这不代表实际使用量领先。MCP 的核心搜索能力运行在远程服务端，开源仓库只承担安装和接入说明的角色，“很多开发者使用的是 MCP 提供的能力，但未必会直接与仓库产生交互”。在团队的定位里，Skill 适合快速体验和个人工作流，MCP 和 API 适合深度集成到 Agent 系统与生产环境，本地化 MCP 部署方案也在探索中。

除了增长速度超出了预期，更让团队意外的是扩散方式。越来越多开发者自发为 AnySearch 编写第三方工具和工作流，一些团队原本没有重点关注的 Agent 框架里，也出现了社区贡献的集成项目。“我们原本以为自己在服务开发者，后来发现很多开发者已经开始帮我们一起拓展产品边界。”韩广彤说。

资本市场已经为这个方向给出过定价。专为 AI 构建搜索引擎的美国公司 Exa 今年 5 月以 22 亿美元估值完成 2.5 亿美元 C 轮融资，开发者也常把两家公司放在一起讨论。韩广彤认为差异在于对 Agent 信息获取的认知：相比把网页搜得更准，AnySearch 押注的是网页之外的专业数据，当 Agent 要做企业尽调、判例检索、威胁情报分析时，答案往往不在可索引的公开网页上。

生态的自发生长解决了从 0 到 1 的认知问题。为 Agent 做搜索能不能收到钱，先行者已经给出了肯定答案，AnySearch 要回答的是更具体的问题：开发者愿意付费的，是不是它选的这条路，网页之外的专业数据。

产品目前对个人开发者免费，面向高频用户的 Pro 付费版和企业定制版也在同步推进。收入将主要来自 API 服务与企业解决方案，不依赖广告或用户数据变现，这与其零遥测、不追踪、查询处理完即丢弃的隐私架构是同一个选择的两面：不碰用户数据，就只能靠信息质量本身收费。

所以未来半年要验证的两件事，其实是同一件事。韩广彤说，团队想看到 AnySearch 真正成为 Agent 工作流中默认的信息获取层，也想确认开发者是否愿意为高质量信息付费。前者是位置，后者是位置的价格，而两者都取决于同一个变量：每一次查询，系统能不能持续返回正确的结果。

上线第一个月，10 万开发者已经投出了第一轮信任票。而他们续期的方式，写在之后的每一次调用里。

参考资料：

1.https://github.com/anysearch-ai/anysearch-skill

2.https://www.anysearch.com/home

运营/排版：何晨龙