这个 Skill 太硬了，刚上线就斩获 2.3K 星标！Agent 搜索能力拉满！

上个月，一个叫 AnySearch 的项目上线仅一周就冲上了 Skills.sh 热榜 TOP1，截至目前为止，它在 GitHub 上的 Star 数量已经来到了2.3K了。

就冲这个上升势头，我昨天把这个 Skill 给装上了，深度体验了一把，并详细研究了一下它的设计思路。

这篇内容就来跟大家聊聊 AnySearch 到底做了什么、怎么用、实测效果怎么样。

01、AnySearch 是什么

AnySearch 不是一个搜索引擎，不是 Google 的替代品。它是一个搜索基础设施，专为 AI Agent 设计的数据检索层。

用过 Agent 联网功能的都知道，现在的 Agent 搜索流程是这样的：用户提问题 → Agent 调 WebSearch 搜关键词 → 拿到一堆网页链接 → 用 WebFetch 抓内容 → 从 HTML 里提取文字 → 整理给用户。

这个链路有三个问题：第一个，搜不到深网内容。

第二个，Agent 拿到搜索结果之后还要自己去解析 HTML、过滤广告、提取正文，这个过程很浪费 token。

AnySearch 会自建索引，直接穿透金融、法律、学术、代码、安全、能源等 22 个垂直领域的数据源，返回的是结构化的 Markdown 数据，Agent 拿到就能直接用，不需要二次解析。

开发者只需要接 AnySearch 一个 API，就能检索所有垂直领域的内容。对 Agent 来说，就是从一个入口访问整个深网。

原生支持三种接入方式：Skill、MCP 和 API。Claude Code 用户可以装 Skill，Cursor 用户可以配 MCP，自己写应用的可以直接调 API。

02、安装 anysearch-skill

Claude Code 用户直接让 Agent 帮你装：

帮我安装 anysearch skill，仓库地址是 https://github.com/anysearch-ai/anysearch-skill。

Agent 会自动把 Skill 文件下载到 .claude/skills/ 目录，配置好之后就能用了。

装完之后去 anysearch.com 注册一个账号，在控制台拿到 API Key，配到 Skill 的配置里。

多说一句，AnySearch 的免费额度是每天 1000 次 API 调用，面向所有个人开发者免费，这个量日常使用绰绰有余了

03、通用搜索实测

装好之后我做的第一件事就是拿它跟 WebSearch 做一个对比测试。

我的问题是："OpenAI 2026 年的最新融资情况、API 定价变化、以及 Claude Code 和 Codex 在开发者社区的盲测对比。"

用传统的 WebSearch + WebFetch 组合，Agent 大概花了三四分钟，反复搜了四五次，抓了七八个网页，最后拼出一份摘要。

数据倒是没错，但很多细节缺失——融资金额没有出资方明细，API 定价只给了最新价没有历史变化，盲测对比只找到两篇文章。

然后我把同一个问题丢给了接入 AnySearch 的 Agent。

让我第一次体验到了什么叫"AI 原生搜索"。

Agent 在几十秒内完成了检索、清洗和整理，返回了一份结构化的 Markdown 报告。融资金额精确到了每家出资方，API 定价变化按时间线列了出来，Reddit 上 Claude Code 和 Codex 的盲测胜率用表格呈现。

这里不难发现，AnySearch 给我们返回的结果不仅有不同模型的详细价格，还列出了和往年相比的变化趋势，同时又和竞品进行了对比。

04、垂直领域搜索

AnySearch 的另一个杀手级功能是垂直领域搜索。

目前支持 16 个垂直领域，包括 code（代码）、tech（技术）、finance（金融）、academic（学术）、legal（法律）、security（安全）、health（医疗）、energy（能源）等等。每个领域背后有专门的数据源和索引策略。

我选了三个领域做了实测。

代码搜索，我让它搜 "Claude Code MCP server 实现 GitHub Python"，指定 domain: code。

搜出来的不仅有github上的推荐项目，还有论坛上的热门文章。我们还可以让 Agent 做的更多，比如进一步筛选出最近三个月还在活跃更新的、Python 写的、跟 MCP 相关的项目等等。

学术搜索，我搜了 "transformer attention mechanism optimization 2025 2026"，指定 domain: academic。

返回的是来自 arXiv 和学术数据库的论文列表，有标题、作者、机构、链接等结构化信息。以前做技术调研时，大家往往需要自己去 arXiv 一篇篇翻，现在 Agent 就可以直接帮我们完成初筛。

金融搜索，我搜了 "NVIDIA 2026 Q1 revenue data center growth"，指定 domain: finance。

它返回了英伟达最新的季度营收数据，包括数据中心业务增长率、毛利率变化、同比和环比增长率等。数据也精确到了具体数字，而不是模糊的"大幅增长"。

05、并行批量搜索

AnySearch 的 Skill 里还有一个 batch_search 工具，支持同时发起最多 5 个搜索请求，并行执行。

这个功能对于需要同时调研多个主题的场景特别实用。

我拿它做了一次多维度技术情报搜集。任务是：同时调研 Claude Code、Codex、Cursor、Windsurf 这四个 AI 编程工具最近一个月的功能更新。

Agent 把四个工具的更新内容整理成了一份横向对比表。

说实话，并行搜索这个功能在技术上不算什么创新——就是并发请求而已，任何一个后端开发都能做。但 AnySearch 把它封装成了 Agent 可以直接调用的工具，而且和垂直领域搜索、结构化输出能力结合得很好。

06、AnySearch 和传统搜索

前面聊了很多实测体验，这一节我想从技术角度认真聊聊 AnySearch 和传统搜索方案的本质差异。

传统 Agent 搜索依赖的是通用搜索引擎 API——Google Custom Search、Bing Search API 之类的。这些 API 的设计目标是给人类用的，返回的是网页列表。Agent 拿到网页列表之后要自己去抓取、解析、提取，每一步都可能出错，每一步都在消耗 token。

AnySearch 的设计出发点完全不同。

它面向的不是人类用户，而是 AI Agent。所以它的整个技术流程是反过来的：先理解 Agent 的查询意图，再路由到最匹配的数据源，最后返回结构化的 Markdown 数据。中间没有 HTML 解析、没有广告过滤、没有无关内容的干扰。

这让我想起一个很有意思的现象。

以前大家讨论 Agent 能力的时候，关注点都在模型本身——模型够不够聪明、推理够不够强、上下文够不够长。但 AnySearch 说明了一件事：搜索层的质量，对 Agent 最终表现的影响可能比我们想象的更大。

就像一个很聪明的人被关在一个乱糟糟的图书馆里找资料，他再聪明也得花很多时间翻书架。但如果图书馆的索引系统做得好，普通人也能很快找到需要的东西。AnySearch 做的就是给 Agent 建了一套好用的索引系统。

07、社区生态

AnySearch 官方开源了两个项目，一个是 anysearch-skill（Skill 插件），一个是 anysearch-mcp-server（MCP 服务器）。

两个都是 MIT 协议，随便用随便改。

最值得一提的是GitHub上一个叫 luoqianyi 开发的 easy_anysearch_skill 的项目，它的最大卖点是免 API Key，用了一个代理池机制来绕过速率限制。

安装方式也很简单：

git clone **********:luoqianyi/easy_anysearch_skill.git ~/.claude/skills/easy_anysearch_skill

使用时通过 uv 运行，不需要手动安装 Python 依赖：

uv run ~/.claude/skills/easy_anysearch_skill/search.py "搜索关键词"

AnySearch 现在也上线了 Skills.sh、ClawHub、Glama、LobeHub 这些 Skill/MCP 市场。在 Skills.sh 上排进了 TOP1，说明开发者的认可度确实很高。

ending

以前我觉得 Agent 联网就是搜网页、抓内容、拼答案，就是个信息搬运工。现在我发现，搜索层的设计水平直接决定了 Agent 的天花板在哪里。

一个好用的搜索基础设施应该做到三件事：帮 Agent 找到传统搜索引擎找不到的内容，帮 Agent 用最低的成本获取最干净的数据，帮开发者用一套接口搞定所有数据源。

AnySearch 在这三个方向上迈出了一大步。

如果你也在用 Claude Code、Codex 或者 PaiCLI 做开发，我强烈建议装上试试。

【好的基础设施，不是让你多一个选择，而是让你不需要再做选择。】