Anisearch 讓 AI 編程助手搜出更乾淨的資訊
摘要
Anisearch 是一款能強化 Claude Code 與 Codex 搜索能力的 AI 技能工具，已獲 4000 多個 Star。它在 agent 與網路資訊之間加入智慧過濾層，自動路由至網頁、學術、企業資料庫等不同來源，並過濾重複與低品質內容。搜尋結果以結構化 Markdown 呈現，讓 AI 獲得更準確的上下文，大幅提升解決問題的效率。個人開發者每日可免費使用 1000 次。
完整逐字稿
這是一個可以讓你的 Cloud Code 或者是 Codex 變得更聰明的 Skill 技能。它的名字叫做 Anisearch。目前已經收獲了 4000 多個 Star，而且它現在還在 Product Hunt 上強勢上榜。
它能夠讓 AI 在聯網搜索的時候避開那些沒用的垃圾信息，直接把最乾淨、最有用的搜索結果給到你。因為目前大多數 agent 自帶的搜索方案基本上都是通過搜索引擎去獲取原本給人看的網頁，然後再從網頁的原代碼當中去獲取可用的內容。這種方式不僅效率低，而且還特別費 token。如果獲取的是垃圾信息，那麼你的 agent 也有可能被垃圾信息裹挾。
而 Anisearch 更像是在 agent 和 web 信息源之間加了一層搜索處理層。它一邊對接網頁、代碼、金融、學術、安全、商業這些不同類型的信息源；另一邊會判斷你的問題到底該去哪類信息裡查。查完之後，它會把重複的、低質量的、同一個網站刷屏的內容先過濾一遍，再把更有用、更適合 AI 閱讀的結果整理成結構化的 markdown，交給 Cloud Code 或者是 Codex。
Agent 拿到的信息夠不夠乾淨、夠不夠準、能不能直接用？它的使用方式非常簡單，直接把這個鏈接發給你的 agent，讓他自己閱讀、安裝，首次安裝好 Anisearch 的 Skill 就可以了。
下面我以 Codex 跟大家演示一下，在 Anisearch 的能力加持下，我們的搜索結果會有怎樣的變化。
比如說，我想查一個公司的信息。當我們沒有使用 Anisearch 的時候，Codex 給我們的結果是這樣的：他說他沒有在公開的網絡信息中找到與這個名字完全一致的公司。他還說是不是我把公司的名字給寫錯了，後面按照他認為對的公司的名字給我了一堆信息。但這些信息並不準確。
再來看一下有了 Anisearch 加持的搜索結果是怎樣的：他沒有像無頭蒼蠅一樣去普通的搜索引擎裡面亂抓一氣，而是自動觸發了 Anisearch 的正確路由。正確識別到這可能是一個企業查詢的需求，然後 Anisearch 並行跑了多個專門的信息源，先去查了企業工商數據庫，接著又交叉對比了網頁、社媒和 ICP 備案。最牛的是這一步，Anisearch 在底層直接把「北京軟體機器人」這種名字很像但根本不是同一家公司的干擾信息給過濾掉了，沒讓這些垃圾數據去污染大模型。最後返回給 Codex 的是一份極其乾淨、高密度的結構化數據，而且是完全準確的。
下面我再給大家演示一個 Anisearch 真正放到 AI 編程工作流裡面的場景。
比如說，我這裡有一個 Python 的項目。最近升級了一個第三方的依賴之後，項目突然出現了報錯。如果直接使用 Codex 默認的聯網搜索，雖然它也能夠找到一些相關資料，但經常會遇到一個問題，那就是搜到的信息比較陳舊，很多解決方案已經不適用於現在的版本。最後 agent 只能根據這些過時的信息進行判斷，很容易走錯方向。
而接入 Anisearch 之後，我直接讓 Codex 分析這個問題，並優先使用 Anisearch 查詢最新的官方文檔、Release Notes 和 GitHub issues。可以看到它很快定位到了問題原因，原來並不是代碼邏輯有問題，而是第三方依賴升級之後產生了兼容性的變化。隨後 Codex 根據搜索得到的信息自動修改依賴配置，重新運行測試，最終之前失敗的測試全部都通過了。
這就是 Anisearch 的價值。它不是簡單的幫 AI 搜索網頁，而是在 agent 需要 web 信息的時候提供更加準確、更加適合 AI 使用的上下文，讓 agent 真正具備解決問題的能力。
如果你平時也在折騰 agent 或者是 AI 工作流，強烈建議你把底層的搜索換成它。目前 AnySearch 長期面向個人開發者提供免費版本，每個賬號每天最多可以發起 1000 次的免費請求。對咱們日常開發和跑工作流來說絕對夠用了。趕緊去試試吧！
它能夠讓 AI 在聯網搜索的時候避開那些沒用的垃圾信息，直接把最乾淨、最有用的搜索結果給到你。因為目前大多數 agent 自帶的搜索方案基本上都是通過搜索引擎去獲取原本給人看的網頁，然後再從網頁的原代碼當中去獲取可用的內容。這種方式不僅效率低，而且還特別費 token。如果獲取的是垃圾信息，那麼你的 agent 也有可能被垃圾信息裹挾。
而 Anisearch 更像是在 agent 和 web 信息源之間加了一層搜索處理層。它一邊對接網頁、代碼、金融、學術、安全、商業這些不同類型的信息源；另一邊會判斷你的問題到底該去哪類信息裡查。查完之後，它會把重複的、低質量的、同一個網站刷屏的內容先過濾一遍，再把更有用、更適合 AI 閱讀的結果整理成結構化的 markdown，交給 Cloud Code 或者是 Codex。
Agent 拿到的信息夠不夠乾淨、夠不夠準、能不能直接用？它的使用方式非常簡單，直接把這個鏈接發給你的 agent，讓他自己閱讀、安裝，首次安裝好 Anisearch 的 Skill 就可以了。
下面我以 Codex 跟大家演示一下，在 Anisearch 的能力加持下，我們的搜索結果會有怎樣的變化。
比如說，我想查一個公司的信息。當我們沒有使用 Anisearch 的時候，Codex 給我們的結果是這樣的：他說他沒有在公開的網絡信息中找到與這個名字完全一致的公司。他還說是不是我把公司的名字給寫錯了，後面按照他認為對的公司的名字給我了一堆信息。但這些信息並不準確。
再來看一下有了 Anisearch 加持的搜索結果是怎樣的：他沒有像無頭蒼蠅一樣去普通的搜索引擎裡面亂抓一氣，而是自動觸發了 Anisearch 的正確路由。正確識別到這可能是一個企業查詢的需求，然後 Anisearch 並行跑了多個專門的信息源，先去查了企業工商數據庫，接著又交叉對比了網頁、社媒和 ICP 備案。最牛的是這一步，Anisearch 在底層直接把「北京軟體機器人」這種名字很像但根本不是同一家公司的干擾信息給過濾掉了，沒讓這些垃圾數據去污染大模型。最後返回給 Codex 的是一份極其乾淨、高密度的結構化數據，而且是完全準確的。
下面我再給大家演示一個 Anisearch 真正放到 AI 編程工作流裡面的場景。
比如說，我這裡有一個 Python 的項目。最近升級了一個第三方的依賴之後，項目突然出現了報錯。如果直接使用 Codex 默認的聯網搜索，雖然它也能夠找到一些相關資料，但經常會遇到一個問題，那就是搜到的信息比較陳舊，很多解決方案已經不適用於現在的版本。最後 agent 只能根據這些過時的信息進行判斷，很容易走錯方向。
而接入 Anisearch 之後，我直接讓 Codex 分析這個問題，並優先使用 Anisearch 查詢最新的官方文檔、Release Notes 和 GitHub issues。可以看到它很快定位到了問題原因，原來並不是代碼邏輯有問題，而是第三方依賴升級之後產生了兼容性的變化。隨後 Codex 根據搜索得到的信息自動修改依賴配置，重新運行測試，最終之前失敗的測試全部都通過了。
這就是 Anisearch 的價值。它不是簡單的幫 AI 搜索網頁，而是在 agent 需要 web 信息的時候提供更加準確、更加適合 AI 使用的上下文，讓 agent 真正具備解決問題的能力。
如果你平時也在折騰 agent 或者是 AI 工作流，強烈建議你把底層的搜索換成它。目前 AnySearch 長期面向個人開發者提供免費版本，每個賬號每天最多可以發起 1000 次的免費請求。對咱們日常開發和跑工作流來說絕對夠用了。趕緊去試試吧！