在聊天框里让大模型联网搜索，最大的两个隐患是费用失控和引用造假。一个新发布的开源工具 Mole，把「深度研究」做成了一个跑在本地终端的单一静态二进制文件，并且给预算和引用双双加上了硬约束。它的定位很明确：带强制预算、可验证引用、以及本地数据隐私边界的深度研究智能体。

一条流水线式的调研流程

用户提出问题后，Mole 会先把问题拆解成子问题，再依次执行检索、抓取、提取主张、逐条核对引用、寻找主张之间的矛盾，最后综合出带引文的答案。

具体来说，规划器把任务分解为子问题并随证据动态调整；执行器为每一条线索预留并结算预算；抓取端完成搜索、读取、提取「主张」这一步时，要求每条主张都附带与源页面逐字匹配的引文；核验端则把相关主张两两配对、裁定冲突、构建关系图，并对样本重新回读；输出阶段再从通过核验的主张中综合出答案。

预算是硬上限，不是估算

Mole 最特别的地方，在于预算不是「建议值」而是架构层面的强制约束。每次模型调用前，系统会在账本里先预留额度，调用结束后再结算，账本本身不允许出现负数。`–usd 0.50` 意味着运行严格停在 50 美分，官方测试语料的溢出率为 0%。

同样，可验证引用要求每条主张必须携带出自源页面、逐字匹配的引文，否则在提取阶段就被丢弃；留存的命题之后还能被重新回读核查，无法支撑的说法会在报告里被标记出来。

本地数据不出本机

分析本地 CSV 或文件夹时，Mole 的内容留在机器内。模型只能选择假设模板和列名，真正的 SQL 由 Mole 渲染并执行，返回结果仅限于聚合值——计数、均值，以及不少于 5 条记录的的分桶统计。想知道有哪些信息离开了本机，可以执行 `mole crossings` 做审计。

Mole 提供两种运行模式。自主模式下，Mole 持有模型，负责规划、挖掘和撰写；工具包模式下，推理由调用方自己的模型完成，Mole 只负责确定性较强的一半工作，比如引文检查、配对检索和 SQL 渲染，适合已经订阅了 Claude、通义千问等服务的用户。

模型与安装

抓取端支持网页、学术（Crossref、OpenAlex、arXiv、PubMed）和本地计算三类数据源，并内置了 SSRF 防护、 robots 协议处理和速率限制。模型方面可接入 Anthropic（如 Claude Sonnet 5、Claude Haiku 4.5），以及 DeepSeek、Ollama、llama.cpp、vLLM 等兼容 OpenAI 接口的端点；搜索提供商支持 Tavily 与 Brave。密钥存放在权限为 0600 的本地配置文件里，不会写进环境变量或工程配置。

安装渠道很全：一条带 SHA-256 校验的脚本命令、Homebrew、Arch 的 AUR、Debian/Ubuntu 的 deb/rpm 包，以及 Go 1.25 以上的源码编译都可用。项目以 Apache-2.0 许可证发布。

对开发者而言，Mole 解决的正是三类痛点：聊天式联网搜索成本不可控，它用硬预算把溢出压到零；模型容易编造引文，它用逐字核查把不实主张挡在门外；本地敏感数据怕外泄，它用隐私边界只输出聚合量。对于已订阅大模型服务的团队，工具包模式还能把闲置的算力复用起来。

来源：GitHub 项目 lajosdeme/mole