AnySearch
专为 AI Agent 打造的实时结构化搜索基础设施，支持二十余个垂直领域数据源，以标准化 Markdown 格式交付可直接用于推理的结构化信息
深度报告
-
AnySearch 是一款由中国团队研发、专为 AI Agent 设计的搜索基础设施产品，2026 年 5 月正式上线，一个月内吸引超过十万名开发者接入，并登顶 Product Hunt 周榜——成为过去一年来首个从 AI Agent 和大模型产品中突围的搜索类产品。它的核心逻辑很简单：传统搜索引擎是为人类设计的，返回的是网页链接和摘要，需要人类自己点击、筛选、判断；但 AI Agent 需要的不是「一堆可以看的网页」，而是「可以直接用于推理的结构化信息」。AnySearch 围绕这一目标，从数据层、算法层到输出层全面重构了搜索流程，推出一套覆盖二十余个垂直领域的联邦多源数据体系、智能意图路由能力和标准 Markdown 结构化输出，实测可将 Token 消耗降低 60% 至 70%。
-
AnySearch 的开发团队是一群来自中国的 AI 开发者和工程师，他们观察到一个核心矛盾：大模型越来越聪明，但 AI Agent 的落地效果并没有同步提升。问题出在信息入口——不管是 ChatGPT 的内置搜索、Coze 的搜索引擎插件，还是 Dify 等开源框架自接的搜索 API，底层都依赖传统搜索引擎。传统搜索的设计逻辑围绕「人」展开：用户输入关键词，返回一堆链接和摘要，由人自己判断该点哪个、信哪个。但 Agent 没有这个能力，或者说，让 Agent 做筛选的成本太高——每一条结果都要抓取全文、解析 HTML、过滤广告，消耗大量 Token 还可能引入错误。 AnySearch 于 2026 年 5 月 11 日正式上线。首月便吸引了超过十万名开发者接入使用，GitHub Star 数突破四千，用户覆盖亚太、北美、欧洲等多个地区。产品最早以搜索 Skill 的形式在 GitHub、ClawHub 等开发者社区传播，上线一周便在 Skills.sh 获得了极高关注度。2026 年 7 月 6 日在 Product Hunt 发布后，以 538 票登顶当日第一，并拿下周榜冠军。 值得注意的是，AnySearch 没有选择继续做「面向人的搜索」，而是彻底跳出了 C 端搜索的产品逻辑，从诞生之初就定位为面向 AI Agent 的底层搜索支撑。这一差异化定位恰好切中了智能体时代的基础设施空白，也是它能在激烈竞争中获得开发者认可的核心原因。
-
AnySearch 的能力体系围绕「服务 Agent 推理」的核心目标设计，从五个维度形成完整覆盖带。 联邦多源数据架构：二十余个垂直领域全覆盖 AnySearch 采用「通用索引补长尾 + 高价值垂类自建深度索引」的联邦多源架构。通用网页索引负责覆盖长尾、泛领域的日常信息需求，保障基础的信息广度；另一层是高价值垂直领域自建深度索引，覆盖金融、法律、医药、网络安全、产业研究、代码开发、企业商业信息等二十余类专业赛道。在 v2.1.0 版本中，团队完成了自建数据源体系与融合搜索算法的重构，进一步将垂直领域搜索设置为默认检索路径，通用网页搜索仅作为例外补充方案，专业场景的信息丰富度和准确性都得到了提升。 智能意图路由：一次查询精准匹配多源数据 AnySearch 不是对所有查询执行全域检索。当一条查询进入系统后，它会先做查询理解与意图识别，判断当前查询的任务类型——比如一条包含企业股权结构、涉诉记录、专利布局的综合查询，系统识别为企业研究类任务，拆解成三个细分维度后，分别路由至对应的垂直数据源，多路并行执行检索。开发者无需手动指定查询所属领域，也不用分别对接多套数据接口，单次请求即可完成多源数据的整合。 前置筛选算法：不让 Agent 自己筛垃圾 这是 AnySearch 与绝大多数搜索产品最核心的区别。传统 AI 搜索的逻辑是「搜出 20 条结果，全部丢给大模型，让模型自己判断哪条有用」。AnySearch 把筛选工作从模型侧前移到了搜索侧，用三种算法完成前置处理：同源衰减机制，主动降低同一网站重复内容的权重，避免单来源内容占据过多结果位；信息密度仲裁机制，在内容相关性相近的情况下，优先保留信息量更丰富、数据维度更完整的页面；混合排序机制，同时兼顾内容的语义相关性与发布时效性，在保证匹配度的前提下优先推送更新的信息，避免过时内容干扰智能体决策。 标准化结构化输出：直接给 Markdown，不要 HTML 所有搜索结果都以标准化的 Markdown 格式交付。在返回结果之前，系统已经自动完成了页面清洗、噪声剔除、信息提取、格式规整的全部工作，去掉了网页广告、冗余 HTML 标签、无关页面碎片等无效内容，只保留核心有效信息。每条结果附带权威信源标注，方便后续的信息溯源和校验。实测数据显示，同样 5 条搜索结果，AnySearch 返回的内容量大约是原始 HTML 的三分之一到四分之一，Token 消耗直接节省 60% 到 70%。 三种接入方式：Skill / MCP / REST API AnySearch 原生支持三种接入方式，覆盖从原型验证到生产部署的不同阶段需求。Skill 插件形式支持可视化配置与一键安装，适合使用成品 Agent 工具的用户，零代码完成接入。MCP 协议接入原生支持模型上下文协议，适配 Cursor、Claude Desktop、OpenClaw 等主流 Agent 客户端，配置成本低。REST API 接口兼容各类编程语言与 Agent 开发框架，支持深度定制化开发，适合自研 Agent 的团队。
-
AnySearch 面向个人开发者提供永久免费版本，注册用户每日可获得一千次免费搜索调用额度，智能意图路由、垂直领域搜索、结构化 Markdown 输出等核心功能均可正常使用，不存在功能阉割。无需 API 密钥也可使用基础功能，仅调用频率有限制。面向团队与企业用户，提供不同规格的付费方案，用户可以根据业务规模和调用量级灵活选择。 这一分层定价策略的逻辑清晰：个人做原型验证和小型项目，免费额度完全够用；生产级部署则按量付费。从商业模式看，AnySearch 的收入来源是 API 调用收费——这和面向人类的搜索靠广告变现完全不同。API 收费模式天然驱动它提供更精准的结果、更少的噪声、更低的 Token 消耗，因为用户的利益就是它的利益。
-
产品在 Product Hunt 发布后，开发者社区的反应非常活跃。评论区的讨论集中在几个方面：去重机制的实际效果、多源并行搜索的延迟与成本、输出结构的灵活度。有用户指出，「当两个可信来源真正矛盾时，去重不应该把它们揉成一个答案」，AnySearch 团队回应称会保留来源分歧，以「三者一致、一方异议」的结构化方式呈现。还有量化交易领域用户反馈，使用通用搜索工具为智能体提供市场资讯时，过时消息会导致判断偏差；切换到 AnySearch 后，依靠来源去重机制与时序优先排序，智能体获取到了时效性更强的可靠资讯。 掘金上有开发者做了详细实测，三个场景的结论是：英文 AI 资讯检索 878ms 返回 5 条相关结果；中文热点搜索对主流科技媒体的覆盖精准；Token 效率方面，同样 5 条结果比把网页全文丢进上下文节省 60% 至 70%。该开发者认为 AnySearch「不是在优化搜索，而是在重新定义搜索的用户」。
-
极客公园的深度分析文章将 AnySearch 称为「AI 时代的搜索基础设施」，认为它从定位、能力到接入的全链路设计都围绕 Agent 的真实需求展开，适配了传统搜索覆盖不足的专业场景需求。中国经济时报的报道指出，AnySearch 登顶 Product Hunt 折射出开发者关注点的变化——AI 竞争正在从模型能力延伸到搜索、数据等基础设施环节。多家科技媒体（量子位、机器之心、腾讯新闻）均做了专题报道，认为 AnySearch「补齐了 AI Agent 的搜索短板」。 在竞品格局方面，AnySearch 的主要对标产品包括 Exa、Tavily、Brave Search 和 Parallel。根据官方公布的基准测试数据，在由 Frames、FreshQA、WebwalkerQA 组成的 300 道问题测试中，全程使用同一款 LLM 的条件下，AnySearch 以 76.4% 的综合准确率领先 Parallel 和 Brave Search，延迟表现也处于最优水平。不过需要指出的是，这些数据是厂商自测的，尚未有充分的第三方独立评测验证。
-
AnySearch 面世时间尚短（仅两个多月），一些潜在问题值得关注。首先，23 个垂直领域听起来覆盖面很广，但每个领域的数据源数量和质量参差不齐。代码、金融、学术这几个领域可能做得比较深，但旅行、电商、游戏等领域的深度还有待验证。其次，基准测试数据是厂商自测的，独立第三方评测还不多，76.4% 的准确率在更复杂的真实场景中能否保持仍需观察。中文搜索的覆盖度在热点事件上表现不错，但面对更细分的长尾话题，中文数据源的深度够不够用，还要打一个问号。再者，AnySearch 解决的是「已有信息的优化呈现」，如果某个信息在互联网上根本不存在，它也变不出来——模型的幻觉问题，根源不只是搜索质量。
-
AnySearch 适合以下几类用户：正在用 Cursor、Claude Code、OpenClaw 等工具做 AI 开发的个人开发者，可以快速为本地智能体补充专业搜索能力，无需自行搭建搜索与内容清洗管线；使用 Dify、FastGPT 等开源框架搭建 Agent 产品的团队，可以用 AnySearch 作为统一的搜索能力入口，替代多套分散的数据接口；以及需要做量化交易、企业尽调、行业研究等专业场景的用户。不太适合的场景包括：纯日常网页问答需求（用 Brave 或 Serper 更轻量）、不需要实时外部信息的闭域 Agent、以及对数据源范围有严格限制需要完全自控的企业场景。
-
AnySearch 不是 Google 的替代品，也不是 Perplexity 的竞品——它在做一件不同的事。它为 AI Agent 建了一套好用的信息索引系统，让 Agent 能在几十秒内完成传统方式需要多次调用、大量清洗才能完成的信息获取工作。在模型能力越来越同质化的今天，信息输入的质量正在成为 Agent 体验的木桶最短的那块板。AnySearch 指向的方向是对的——不是给 Agent 更多信息，而是给 Agent 更准的信息。这家中国团队用两个月时间走到 Product Hunt 第一，靠的不是营销，而是切中了一个真实且正在快速增长的需求。
用户评论
-
AngelaRodriguez_998—公司把 AnySearch ���入到客服 Agent 的调研模块，用来做竞品动态追踪。效果还不错，每天自动拉取竞品的最新融资新闻、产品更新和用户反馈，生成结构化简报，团队早上花五分钟就能了解前一天的市场动态。以前这个工作需要一个人花两小时刷各大科技媒体、产品社区和投资平台，现在 Agent 在后台自动完成。AnySearch 的零留存策略也符合公司的数据合规要求，不用担心查询内容被用于模型训练或者留存。唯一的问题是有时候对特定垂直领域的覆盖不够深，比如物流科技这个细分赛道的索引数据偏少。 -
Abigail_Brown_Max4—把 AnySearch 做为一个 MCP Server 接入到 Cursor 之���，整个开发体验提升了一个档次。很多时候写代码需要查文档、查 API 变更、查社区最佳实践，以前要手动切出去搜半天。现在直接在 Cursor 里让 Agent 去查，返回的都是清洗过的结构化内容，不用再关心广告和 SEO 垃圾。最让我惊喜的是代码搜索能力，让它查一个 Go 的限流器实现，直接返回了 GitHub 上的生产级源码和调用链分析，比自己去 GitHub 上搜效率高多了。而且因为输出带来源标注，用起来也放心。 -
Keith_Vasquez168606—在 Claude Desktop 里装了 AnySearch 的 MCP，配好之后给我的研究 Agent 用。以前做一个行业深度的竞争分析，需要手动把多个数据源的结果拼在一起，很费时间。现在一句话丢给 Agent，它会自动帮我拉齐公开信息、媒体报道、用户反馈和行业观点，而且返回的内容不像以前那样有大量的噪音信息。Token 也省了很多，原来每次调研光搜索环节就能烧掉几千 Token，现在明显感觉到上下文窗口更干净了。就是配置文档对于一些高级参数的解释还不够详细，希望能补上。 -
beautifulfish102—装了一天真心觉得 AnySearch 就是那种「用了就回不去」的基础设施。以前 Agent 做个调研要搜七八轮，现在一两下搞定，确实省事。 -
MsFredrikThorsø_88—给量化 Agent 换了 AnySearch 之后稳了不少，之前用通用搜索老是扒到过时消息，模型被误导得够呛。同源衰减加时序优先这个组合，对金融场景来说太关键了。 -
George.HendersonX—把 AnySearch 接入我的自动化工作流跑了半个月，最大的感受是信息获取效率提升很明显。之前用传统搜索 API，每次返回的都是 HTML 片段，Agent 还得自己写解析逻辑。换成 AnySearch 之后直接拿 Markdown 结构化数据，省去了清洗步骤。实测一个赛道调研任务，原来要搜 8 到 10 次、消耗 3000 多 Token，现在 2 到 3 次调用、Token 消耗降到 1000 以内。而且因为去重做得好，Agent 拿到的信息质量更稳定了，不会因为重复内容把上下文撑爆。免费版每天 1000 次调用对个人开发来说绰绰有余，生产力提升明显。 -
James.Hughes_Max45—免费额度每天一千次，个人开发完全够用。而且核心功能不阉割，不像某些产品免费版啥都用不了。 -
KimberlyRuiz_Plus—做企业尽调的时候试了一下 AnySearch，查工商、涉诉、专利一次搞定。之前要分别去企查查、裁判文书网、专利局到处翻，这体验舒服太多了。 -
SeanWright_99—客观说 AnySearch 的垂直数据源深度参差不齐，金融和代码做得好，旅行和游戏就一般了。毕竟才上线两个月，也能理解。 -
Nicholas_Nguyen_202350—团队把 AnySearch 接入了内部的行业研究 Agent，取代了原来分别对接企查查、裁判文书网和天眼查的多套接口。统一管理的好处很明显——只需维护一套 API Key 和鉴权逻辑，不用操心每个数据源的限流策略和格式差异。研究团队反馈输出质量也有提升，因为 AnySearch 会把不同来源的数据做归一化处理，给出的信息结构一致好对比。不足之处是定制化不够灵活，如果团队需要特定数据源的原始格式返回，还是得直连原始 API。但对于绝大多数行业研究场景，AnySearch 作为一个统一搜索层已经够用了。 -
Ralph_Jimenez_2024—花了半天时间实测，最直观的感受是去重做得好。同一件事不会出现两三条重复结果，每条都来自不同角度，省了我让 Agent 自己筛的功夫。 -
James_Butler369—在 Cursor 里装了 AnySearch 的 MCP，配好之后 Agent 查资料直接返回 Markdown，不用自己写解析脚本了。这个体验确实好。 -
侠客966—有一个担心：如果 AnySearch 哪天挂了或者改政策，我的 Agent 就瞎了。过度依赖单一服务商始终有风险，建议作为补充入口不要完全替代。 -
Dylan.HughesIII—对比了一下 Exa 和 AnySearch 做中文尽调，AnySearch 能抓到国内合规公示信息而 Exa 完全空白。本土化这个优势对做国内业务的人来说很关键。 -
范敏—匿名模式很赞，不用注册先试效果。对隐私敏感的开发场景来说零追踪零遥测是加分项。 -
JObe_n—作为一个不会写代码的产品经理，AnySearch 对我来说最实用的是调研效率提升。以前研究一个新赛道，要在 Google、知乎、36Kr、行业报告平台之间来回切换，初步信息拉齐就要大半天。现在让 Agent 接上 AnySearch，输入一个研究主题就能拿到结构化的市场概况，包括竞品列表、融资动态、用户反馈和行业趋势。虽然不能完全替代深度人工分析，但作为第一轮信息筛选工具，效率提升是实打实的。期待后续能有更友好的可视化界面，降低非技术用户的使用门槛。 -
opmlqpu—说实话接入门槛还是有点高，文档偏技术向，非开发者用户看了可能一头雾水。要是能出个小白教程就好了。 -
n3kbcd6k—测了一个场景：搜 AI agent latest news July 2026，878ms 返回 5 条结果，前 4 条都是近 24 小时的热点。这速度确实可以。 -
DeborahWard_99—PH 评论区那些开发者问的问题挺尖锐的，比如怎么处理冲突来源、延迟会不会累积。AnySearch 团队回复得还算坦诚，没有回避问题。 -
LaurenRobinsonZ—用 AnySearch 做了一个跨境支付的行业调研，从监管政策变化、主要玩家市场份额、用户投诉热点到技术架构选型，一条查询完成了信息拉齐。返回的结构化数据包含了信源标注，可以直接引用到报告里。之前用普通搜索做同样的调研，光收集和整理原始材料就要一整天，现在一个上午就能出初稿。对做行业研究的人来说，这不仅是省时间的问题，更关键的是信息来源的多样性和结构化程度，让输出的报告质量有明显提升。不过建议不要完全依赖它做最终决策，还是要交叉验证关键数据。 -
Emma_FisherIII8—登顶 PH 周榜确实让人意外，过去一年搜索类产品几乎没进过前五。AnySearch 能突围说明开发者对 Agent 专用搜索的需求是真的。 -
Joshua_Anderson_Max—今天注册试了一下，查智谱 AI 摸高计划相关的信息，澎湃、36氪、网易科技三家的报道都抓到了。中文源覆盖比预期的好。 -
邵霖哲—唯一不太满意的是，当两个来源真正矛盾的时候，我其实想让 Agent 看到它们有分歧，而不是被揉成一个答案。团队说会保留来源标注，拭目以待。 -
飞鸟744—做技术选型调研的时候对比了几款 AI 搜索产品，AnySearch 在垂直领域搜索这个维度上确实有差异化优势。其他产品基本都是通用网页搜索再加一层大模型包装，AnySearch 直接从底层连了二十多个垂直数据源，返回的数据质量和结构化程度明显不同。不过也注意到它在学术论文搜索方面深度不如专业学术搜索引擎，有些较新的 arXiv 论文索引不够及时。对需要做前沿学术调研的团队来说，可能还是要补充专门的学术搜索接口。对于绝大多数开发场景和行业调研需求来说已经够用了。 -
REvansII—基准测试 76.4% 的准确率看着不错，但毕竟是厂商自测的。还是等第三方的独立评测出来再下结论吧。 -
Mason_Morris_7—Skill 接入方式真的很方便，几行命令就让 Claude Code 有了专业搜索能力。不用注册 API Key 也能用，这点好评。 -
Elizabeth_Wood_2021—之前用 exa 做调研对比了 anysearch 的中文检索，anysearch 抓到的国内合规公示信息 exa 完全搜不到。做国内业务的建议两个都试试。 -
JeffreyWatson_X—并行批量搜索这个功能加分，一次查五个方向同时返回，适合做多维度技术情报搜集。 -
DRuiz_2020—做跨境电商选品调研，用 AnySearch 对比了几个竞品的数据。同一时间查产品定价变化、用户差评关键词、供应链政策更新，AnySearch 一条查询就返回了结构化的对比信息。之前用通用搜索至少要切换三四个平台（亚马逊评论、Google Trends、供应商论坛），现在一个入口搞定。不过也发现了一些局限：某些特定类目的深度数据覆盖还不够，比如小众垂类的电商数据，AnySearch 的索引深度不如在垂直平台直接查。但对于初筛阶段来说，这个效率提升已经很可观了。 -
DAllen_2024380—说实话不知道它怎么处理 Cloudflare 保护的内容，我们自建爬虫经常卡在这上面。有知道的可以说说。