multi-search-engine Skill：17 个搜索引擎免费聚合，AI 研究利器

multi-search-engine Skill：17 个搜索引擎免费聚合，AI 研究利器

你有没有遇到过这种情况：需要同时在 Google、百度、Bing 上验证同一个关键词，但每次只能开一个引擎来回切换？multi-search-engine 正是为解决这一痛点而生的 Agent Skill——它把 17 个国内外搜索引擎聚合到一个配置文件里，AI Agent 一次查询即可跨引擎抓取结果，全程无需任何 API Key。

功能与原则

multi-search-engine 的核心能力是「搜索引擎聚合」。它不是一个爬虫，而是一组结构化的 URL 模板（config.json）+ SKILL.md 说明文档。AI Agent 读取配置后，根据查询语言自动路由到合适的引擎列表，用 web_fetch 逐个请求并汇总结果。

设计原则：
– 零成本：17 个引擎全部通过公开 URL 抓取，不依赖任何付费 API
– 语言路由：自动识别查询语言（中文 → 国内引擎，国际 → Google/DuckDuckGo 等）
– 可组合：支持高级搜索操作符（site:、filetype:、时间过滤等）

认可度

• GitHub Star：约 89 ★（aAAaqwq/AGI-Super-Team 仓库，截至 2026-09-05）
• 安装量：2,676 次（skills.sh 目录）
• 热度：LinklyAI/best-skills rising-stars 排名第 1（Popularity 0.991，2026-08-20 首次出现，仅 17 天）
• 社媒讨论：在 Claude Code 社区、OpenClaw 社群有较高曝光，被多个 Skill 目录收录

链接

GitHub：https://github.com/aAAaqwq/AGI-Super-Team

原作者

aAAaqwq（GitHub username）—— 独立开发者，专注 AI Agent 工具链建设。其 AGI-Super-Team 仓库还包含 900+ Agent 组件、12 个虚拟 C-Suite 角色代理（CEO/CTO/CPO 等各有思想导师如 Elon Musk、Jensen Huang）和 29 种思维框架，multi-search-engine 是其中最热门的单技能之一。

介绍

multi-search-engine 起源于对「AI Agent 需要广泛搜索覆盖」这一需求的洞察。目前主流 Agent 的联网搜索大多依赖单一引擎（Google 或 Tavily），这对需要跨国/跨语言信息收集的场景远远不够。

v2.0.1 版本将支持的引擎数量提升至 17 个，国内引擎覆盖百度、必应中国、360、搜狗、微信搜狗、头条搜索、集思录；国际引擎覆盖 Google、Google HK、DuckDuckGo、Yahoo、Startpage、Brave、Ecosia、Qwant，以及 WolframAlpha 知识计算引擎。所有引擎均通过 URL 模板直接请求，无需注册任何账号。

SKILL.md 提供了详尽的查询示例，包括：基础搜索（site:github.com 限定域名）、文件类型过滤（filetype:pdf）、时间过滤（tbs=qdr:w 过去一周）、隐私搜索（DuckDuckGo）、快捷跳转（DuckDuckGo Bangs，如 !gh tensorflow 直接跳转 GitHub），以及 WolframAlpha 的数学计算（积分、单位换算、股票查询）。

特点

• 17 引擎聚合：覆盖中英文搜索场景，一套配置全搞定
• 零 API Key：所有引擎通过公开 URL 访问，完全免费
• 语言自动路由：根据查询语言智能选择国内/国际引擎组合
• 高级搜索支持：site:、filetype:、精确匹配、布尔排除、时间过滤、DuckDuckGo Bangs
• 隐私友好：内置 DuckDuckGo、Startpage、Brave、Qwant 等无追踪引擎
• WolframAlpha 集成：可直接在搜索工作流中执行数学计算、单位换算、知识问答

使用方法

安装（一行命令）：

npx skills add https://github.com/aAAaqwq/AGI-Super-Team --skill multi-search-engine

在 Claude Code / OpenClaw 中调用示例：

Agent 检测到用户需要跨引擎搜索后，读取 SKILL.md 和 config.json，按语言路由选择引擎列表，然后通过 web_fetch 执行：

// 跨引擎搜索 AI 新闻（英文 → Google/DuckDuckGo/Brave）
web_fetch({"url": "https://www.google.com/search?q=AI+news&tbs=qdr:w"})
web_fetch({"url": "https://duckduckgo.com/html/?q=AI+news&tbs=qdr:w"})

// 中文搜索 → 路由到百度/搜狗
web_fetch({"url": "https://www.baidu.com/s?wd=人工智能最新进展"})
web_fetch({"url": "https://sogou.com/web?query=人工智能最新进展"})

// 精准搜索：GitHub 上的 React PDF 教程
web_fetch({"url": "https://www.google.com/search?q=site:github.com+react+filetype:pdf"})

// WolframAlpha 计算
web_fetch({"url": "https://www.wolframalpha.com/input?i=100+USD+to+CNY"})

配置文件结构（config.json 核心片段）：

{
  "domestic": [
    {"name": "Baidu", "url": "https://www.baidu.com/s?wd={keyword}"},
    {"name": "Bing CN", "url": "https://cn.bing.com/search?q={keyword}"}
  ],
  "global": [
    {"name": "Google", "url": "https://www.google.com/search?q={keyword}"},
    {"name": "DuckDuckGo", "url": "https://duckduckgo.com/html/?q={keyword}"},
    {"name": "WolframAlpha", "url": "https://www.wolframalpha.com/input?i={keyword}"}
  ]
}

使用场景与人群

适用场景：
– 跨国市场调研（同时搜中国和海外搜索引擎结果）
– 学术研究（利用 site:、filetype: 找 PDF/论文）
– 竞品监控（跨引擎追踪品牌/产品关键词排名）
– 事实核查（多源交叉验证敏感信息）
– AI Agent 自动化研究工作流

目标用户：
– 需要 AI Agent 做广泛网络研究的开发者
– 内容创作者和运营（追踪热点在不同平台的热度差异）
– 跨境电商/市场分析人员
– 数据记者和研究员

输入与输出案例

案例 1：跨引擎技术研究

输入：用户要求「帮我搜一下今年关于 LLM 微调的最新论文，要 PDF 格式」

Agent 路由：检测为英文 + 技术查询 → 触发国际引擎列表，执行：

site:arxiv.org LLM fine-tuning 2026 filetype:pdf
site:github.com LLM fine-tuning recent

输出：来自 Google Scholar、Bing Academic、GitHub Code Search 的多个结果页面，Agent 汇总去重后呈现。

案例 2：国内热点追踪

输入：「我想知道最近一周国内 AI 创业公司有什么新动态」

Agent 路由：检测为中文 → 触发国内引擎列表，执行：

百度：人工智能创业 2026最新
搜狗：AI初创公司 最新融资
微信搜狗：人工智能 初创

输出：来自百度、搜狗、微信搜狗的实时结果，含新闻、公众号文章、论坛讨论，Agent 整理成结构化摘要。

multi-search-engine 的出现填补了 AI Agent 搜索领域的一个关键空白：如何在不花一分钱的前提下获得最大化的搜索覆盖。对比需要付费 API Key 的 Tavily/SerpAPI 方案，它用公开 URL 抓取实现了近似的广度，尤其适合预算有限但研究需求广泛的用户。如果你经常需要让 AI 同时「看」国内外的信息，这款 Rising Star #1 的 Skill 值得关注。

GitHub: https://github.com/aAAaqwq/AGI-Super-Team