wigolo 是一个本地优先（local-first）的 AI Agent 网络智能服务器，由独立开发者 @KnockOutEZ 维护，采用 AGPL-3.0 开源协议。它的核心定位是：让 AI Agent 无需 API Key、无需云端服务、无需按量付费，就能拥有完整的网络能力——搜索、获取、爬取、提取、缓存和研究。
wigolo核心特点
表格
| 特点 | 说明 |
|---|---|
| 完全本地运行 | 所有重计算都在本机完成，数据不离开设备，支持离线使用 |
| 零 API Key 起步 | 安装即用，无需注册账号、无需购买 API Key，每次查询成本为 $0 |
| MCP 原生支持 | 通过 Model Context Protocol 协议接入Claude Code、Cursor、Codex、Gemini CLI、VS Code、Windsurf、Zed 等主流 Agent 工具 |
| 多协议兼容 | 除 MCP 外，同时提供 REST API、TypeScript/Python SDK、以及 LangChain、CrewAI、LlamaIndex 等框架集成 |
| AGPL-3.0 开源 | 永久免费，可自由使用、修改和企业自托管，防止闭源商业化 |
| 公共测试版 | 当前处于 public beta，功能已完备并通过 6000+ 测试用例覆盖 |
wigolo技术原理
wigolo 的架构围绕”本地优先”展开，核心机制包括：
1. 分层抓取路由（Tiered Fetch Router）
根据页面实际特征自动升级抓取策略，而非基于域名猜测：
- 第 1 层：纯 HTTP — 大多数页面在此阶段直接解析
- 第 2 层：TLS 指纹伪装 — 遇到反爬虫挑战时，模拟真实浏览器 TLS 指纹绕过
- 第 3 层：无头浏览器 — 针对 SPA 单页应用、空壳页面等，调用进程池中的 headless 浏览器完整渲染
系统会按域名学习最优策略，并在网站不再需要高级策略时自动降级。
2. 多引擎并行搜索（Multi-engine Search）
- 内置 18 个搜索引擎适配器，查询时并行分发
- 通过 Rank Fusion 合并、去重、调和各引擎结果
- 由 本地 ML 重排序模型 对结果打分排序，每个结果附带可解释的评分分解（语义分、词汇分、引擎共识度）
3. 本地混合缓存（Local Hybrid Cache）
所有抓取内容存入本地
~/.wigolo/ 目录：- 关键词索引 + 本地向量索引 双轨并行
- 重复查询毫秒级返回，完全免费，断网也可用
- 支持相似内容查找（find_similar）和变更检测
4. 研究自动化（Research）
将复杂问题自动拆解为多个子查询，并行搜索获取来源，最终生成带引用的综合简报，并主动标出信息缺口。
wigolo核心功能
表格
| 功能 | 说明 |
|---|---|
| Search（搜索） | 18 引擎并行 + 本地重排序，结果附带评分分解和来源跨度 |
| Fetch（获取） | 智能分层路由抓取任意网页，提取结构化内容 |
| Crawl（爬取） | 整站爬取与站点地图生成 |
| Extract（提取） | 从网页中提取结构化数据 |
| Cache（缓存） | 本地持久化存储，关键词+向量双索引 |
| Research（研究） | 自主规划 → 搜索 → 获取 → 提取 → 综合的闭环研究流程 |
| Agent 技能包 | 提供 agent-skills 安装器，一键为 Agent 装配网络能力 |
结果透明度：每个结果包含原文摘录、置信度评分、评分拆解（语义/词汇/引擎共识）、字节偏移来源跨度（source_span）和引用 ID，Agent 可直接引用。
wigolo项目地址
- 项目官网：https://knockoutez.github.io/wigolo/
- GitHub仓库：https://github.com/KnockOutEZ/wigolo
wigolo与竞品对比
表格
| 维度 | wigolo | Firecrawl | Exa | Tavily |
|---|---|---|---|---|
| 多引擎搜索 | ✓ | ✓ | ✓ | ✓ |
| 获取与结构化提取 | ✓ | ✓ | ✓ | ✓ |
| 整站爬取 | ✓ | ✓ | — | ✓ |
| 字节级来源跨度引用 | ✓ | — | — | — |
| 可解释评分分解 | ✓ | — | — | — |
| 本地持久缓存/离线查询 | ✓ | — | — | — |
| 数据本地驻留 | ✓ | — | — | — |
| API Key / 账号 | 无需 | 需要 | 需要 | 需要 |
| 单次查询成本 | $0 | 按量计费 | 按量计费 | 按量计费 |
wigolo应用场景
- AI 编程助手增强：为 Claude Code、Cursor、Codex 等工具赋予实时网络搜索和文档查阅能力，编写代码时自动检索最新 API 文档
- 本地知识库构建：持续抓取和缓存特定领域网页，构建可离线查询的私有化知识库
- 自动化研究 Agent：驱动 LangChain、CrewAI 等框架的 Agent 完成多步骤网络调研任务
- 企业内网部署：在数据合规要求严格的场景下，完全本地运行，无需将查询数据发送至第三方
- 个人开发者工具：替代 Firecrawl、Exa、Tavily 等付费服务，降低 Agent 开发成本
- 内容监控与变更追踪：利用本地缓存的 find_similar 和变更检测能力，监控目标网页更新
wigolo部署与使用
系统要求：Node.js ≥ 20.支持 macOS、Linux、Windows
安装方式：
bash
npx wigolo init --agents claude-code,cursor,codexinit命令会自动完成完整设置：下载浏览器引擎和本地模型、运行健康检查、自动为指定 Agent 配置 MCP。健康检查：bash
npx wigolo health可选 LLM 配置：research、agent 和答案格式化搜索需要 LLM。最简单的方式是配置免费的 Gemini API Key；也可完全本地运行，通过 Ollama 接入本地模型。
wigolo注意事项
- 当前为 public beta，核心功能稳定但 polish 仍在打磨中
- 最严格的托管型反爬虫挑战（managed-challenge）和 IP 信誉墙可能需要额外配置代理或求解器
- 浏览器引擎和模型首次下载需要一定时间，可通过
--no-warmup延迟到首次使用时下载 - 虽然完全本地运行，但研究/综合功能若使用云端 LLM（如 Gemini），仍会产生外部调用
© 版权声明
文章版权归作者所有，未经允许请勿转载。
相关文章
暂无评论...