AI编程助手查资料还在手动复制？wigolo让Claude Code们自己上网读、自己存，零成本零API Key

你用 Claude Code 查过技术文档吗？有没有遇到这种情况：让 AI 去搜一个 API 的最佳实践，结果它一本正经地”编”了一个用法——因为它根本没联网，只能靠训练数据。

这其实不是模型的锅，是工具层的缺失。AI 编程 Agent 擅长执行，但缺一双”本地眼睛”看网页。

wigolo 解决的就是这个问题，而且它用了一种很干净的方式：不需要 API Key，不走云服务，每次查询零成本，所有缓存都在本地。

它是做什么的

wigolo 是一个面向 AI Agent 的本地网页智能层。它本质是一个 MCP Server（也支持 REST），暴露 10 个工具给编程 Agent 调用：

• 🔎 search：多引擎网页搜索，18 个适配器并行，结果经过 rank fusion 和 ML 重排，每个结果附带可解释评分
• 📄 fetch：加载单个 URL，自动在 plain HTTP 和无头浏览器之间分级升级，绕过反爬页面
• 🕸️ crawl：整站抓取（广度优先/深度优先/sitemap），尊重 robots.txt，带去重和域名限速
• 🧩 extract：从页面中提取结构化数据——表格、元数据、JSON-LD，或者按 Schema 提取 Article/Recipe/Product 等
• 💾 cache：本地缓存，关键词和向量混合检索，重复查询直接命中，零成本
• 🧲 find_similar：找相似页面，基于关键词+语义+实时网页三路融合
• 🧠 research：自动分解问题→并行子查询→抓取来源→综合成带引用标注的报告
• 🤖 agent：自主收集循环，按计划执行搜索→抓取→提取→综合，带步骤日志和时间预算
• 🔁 diff / ⏱️ watch：对比页面变化，按需重新检查并推送变更到 Webhook

所有数据默认存在 ~/.wigolo/，不出本地机器。LLM 综合（research/agent/search answer）默认关闭，启用时支持 Gemini（免费 key 就够）、OpenAI、Anthropic，或完全本地化的 Ollama。

它解决了一个很具体的问题

现在的主流 AI 编程 Agent——Claude Code、Cursor、Windsurf、Codex——有一个共同的能力缺口：它们不擅长主动查网页。

你当然可以让模型调用 Tavily、Exa 这类服务，但：

• 需要申请 API Key
• 按查询量计费
• 数据经过第三方

wigolo 的核心价值是：把这三件事反过来。它是免费的、离线的（默认），所有缓存都在本地。

官方给了一个很实在的对比：

实际使用场景举例：

场景一：让 Claude Code 查某技术栈的最佳实践

# 在 Claude Code 里安装 wigolo
npx wigolo init --agents=claude-code

# 然后在对话里：
wigolo search "React Server Components best practices 2026"
wigolo fetch https://react.dev/blog/...

场景二：研究某个开源项目的发展动态

wigolo research "What changed in the latest TiDB release"
# 自动分解查询 → 抓取 Release Notes → 综合成报告

场景三：监控某页面变化并推送

wigolo watch https://status.example.com --webhook=https://your-endpoint.com/alert

项目边界：适合谁，不适合谁

适合：

• 本地运行的 AI 编程 Agent（Claude Code / Cursor / Codex 等）
• 需要频繁查技术文档但不想暴露 API Key 的场景
• 个人开发者和小型团队，预算有限但需要高质量网页检索
• 研究工作流：让 Agent 自动搜集资料、生成调研报告
• 对隐私有要求的工作：数据不经过第三方

不适合：

• 追求 GPT-4 级别综合质量：wigolo 默认无 LLM 综合，需要额外配置 Gemini/OpenAI key（但免费版 Gemini 就够）
• 大规模商业搜索爬取：它尊重 robots.txt 和域名限速，不是为此设计的
• 完全没有技术背景的用户：需要一点命令行基础（MCP 配置、Node 环境）

实际门槛

安装非常轻量：

# 需要：Node ≥ 20，macOS/Linux/Windows，~1.5 GB 空闲磁盘
npx wigolo init

# 接入 Claude Code
npx wigolo init --agents=claude-code

# 验证安装
npx wigolo doctor

除了编程 Agent，还支持直接 CLI 调用：

wigolo search "local-first software" --json
wigolo shell  # 交互式 NDJSON 流

也可以 REST 方式暴露服务（wigolo serve），然后用 curl 调用：

curl -sX POST http://127.0.0.1:3333/v1/search 
  -H 'Content-Type: application/json' 
  -d '{"query":"你的查询","max_results":5}'

当前版本 v0.2.1（2026-08），已发布于 npm、Docker Hub、GitHub Container Registry。

在开源生态里的位置

wigolo 不是一个孤立的工具。它已经和主流框架做了集成：

• LangChain：wigolo-langchain 把每个工具导出为 BaseTool 和 BaseRetriever
• CrewAI：wigolo-crewai 一行调用注入整组工具
• LlamaIndex：wigolo-llamaindex 把抓取结果直接转成 Document
• Vercel AI SDK：wigolo-vercel-ai-sdk 适配 generateText/streamText
• n8n：REST 接口直接对接工作流自动化

这意味着它在设计上是”工具层”，而不是又一个需要你改架构才能用的平台。

怎么快速体验

推荐从 Claude Code 开始：

# 1. 安装 wigolo
npx wigolo init --agents=claude-code

# 2. 重启 Claude Code（让 MCP 配置生效）

# 3. 在对话里试试
wigolo search "MCP protocol best practices Claude Code"

# 4. 如果需要研究能力（可选），配一个免费 Gemini key
export WIGOLO_LLM_PROVIDER=gemini
export GEMINI_API_KEY=你的免费key  # aistudio.google.com/apikey

不需要任何付费账户，不需要信用卡，不需要等审核。

总结一下：wigolo 的价值主张非常清晰——给 AI Agent 一双本地眼睛，让它自己查、自己读、自己存。没有 Key，没有账单，没有隐私顾虑。它不是要替代 Perplexity 或 Tavily，而是在”AI 编程 Agent 需要主动查资料”这个具体场景里，做到了零成本和本地优先。

如果你用 Claude Code 或者其他本地 Agent，值得花 5 分钟装一下。你会明显感觉到——AI 能做的事，从”根据已有知识回答”变成了”自己去找资料再回答”。

GitHub 仓库：https://github.com/KnockOutEZ/wigolo
文档：https://github.com/KnockOutEZ/wigolo/blob/main/docs/README.md
npm：https://www.npmjs.com/package/wigolo