You think.
AI does.

wigolo 安装使用完整教程(2026年最新)

wigolo 教程封面插画

开源工具教程 · Open Source Tutorial

wigolo 安装使用完整教程
(2026 年最新)

给你的 AI 编程助手装上「本地优先」的联网能力:免 API Key、$0 一次查询

栏目AIToolPush · 开源教程
阅读时间约 9 分钟
GitHub5,100+ Stars
协议AGPL-3.0

你的 AI 编程助手大概不缺智商,缺的是「上网能力」:查文档要开浏览器,抓网页要买 API,问一句实时问题就要按次付费。wigolo 就是为填这个坑而生的——它是一个跑在你自己电脑上的本地优先网络层,把搜索、抓取、爬站、结构化抽取、调研综述打包成 MCP 工具交给 Agent,而不需要任何 API Key,也不产生任何按量账单。本文将带你完成 wigolo 的安装、接入、验证与常见故障排查。

⚠️ 温馨提示:wigolo 是 AGPL-3.0 开源项目,完全免费,无需注册与激活。请通过官方 npm 包 wigolo 安装,谨防第三方仿冒包。文中所有命令均可直接复制粘贴。

01

🔧 准备工作

Preparation

  1. 确认 Node 版本——需要 Node ≥ 20。官方推荐 LTS 版本:Node 20 / 22 / 24,用其他版本可能遇到原生模块编译错误。
  2. 预留磁盘空间——约 1.5 GB。这不是程序体积,而是「本地大脑」:一个完整的浏览器引擎,加上排序模型和向量化模型——这些正是云服务在你背后替你做、然后按次收费的部分。
  3. 确认平台——macOS、Linux、Windows 均支持。Linux 用户如果浏览器起不来,后面 FAQ 有对应解法。
  4. (可选)准备一个免费 LLM Key——核心工具全部免 Key;只有 research 和 agent 这两个「写综述」的工具需要一个 LLM 来产出成品答案。不想配也能用,它会把证据和简报交回给你的 Agent 自己组织。
多引擎聚合插画
18 个搜索引擎并行查询 → 排名融合 → 统一排序结果

02

📦 安装步骤详解

Installation

Step 1一条命令完成安装与接入

最省事的方式,是让 wigolo 顺手把你常用的 AI 编程工具也配好:

Shell推荐
# 只装本地引擎(任何系统通用)
npx wigolo init

# 或者:安装 + 一次性接入你的日常 Agent
npx wigolo init --agents=claude-code,cursor

--agents 支持逗号分隔的九个选项:claude-code、cursor、codex、gemini-cli、opencode、vscode、windsurf、zed、antigravity。wigolo 会自动为它们写好 MCP 配置,支持的地方还会附带使用说明。

如果你偏好可视化操作,--interactive 是纯文本问答流程,--wizard 是完整的终端 TUI。想先装完稍后再下载组件,加 --no-warmup,它会等到第一次使用时再下载。

Step 2体检:确认每个组件都就绪

Shell健康检查
npx wigolo doctor        # 哪个组件坏了、该改哪个环境变量,直接告诉你
npx wigolo doctor --fix  # 常见故障自动修复
npx wigolo verify        # 逐个组件健康检查

这里有个很贴心的设计:某个组件下载失败不会让安装整体失败。init 依然会正常完成并退出,搜索、抓取、爬站、抽取、缓存这些核心能力在没有模型、没有浏览器的情况下照样能跑。

Step 3(推荐)配一个免费 Key 解锁 research 成品答案

Shell可选
export WIGOLO_LLM_PROVIDER=gemini
export GEMINI_API_KEY=<免费Key>   # aistudio.google.com/apikey 申请,免费额度够用

换成 anthropic、openai、groq 都行;想彻底不出本机,就用 WIGOLO_LLM_PROVIDER=ollama 或任意 OpenAI 兼容地址。这些变量可以写在 shell 里,也可以放进 Agent 的 MCP env 配置块。

Step 4(可选)编辑器之外的用法

wigolo 不只能给编程助手用。它同时提供终端 CLI、REST 服务和 SDK 三种形态:

ShellCLI / REST / SDK
# 终端直接用,JSON 输出方便管道
wigolo search "postgres logical replication" --json
wigolo shell                              # 交互式 shell,支持 NDJSON 管道

# 起一个 REST 服务,给自托管 Agent 或服务器用
wigolo serve

任何 MCP 客户端、LangChain / CrewAI / LlamaIndex / Vercel AI SDK / n8n 等框架,只要在自己的配置里注册 npx -y wigolo 即可。此外还提供 Docker、Homebrew 和单文件二进制三种安装渠道,以及 TypeScript 与 Python 两套 SDK。

03

🧰 九个工具,一条调用面

Tools

装好之后,你的 Agent 会获得下面这些工具。它们共用一个入口,覆盖了「上网办事」的完整链路:

search

多引擎网页搜索(18 个直连适配器),带排名融合、机器学习重排和可解释的逐条评分。可以传查询数组做并行广度检索,支持按域名和时间范围限定、精确短语匹配和图片结果。

fetch

读取单个 URL。分层路由会从普通 HTTP 自动升级到无头浏览器来应对反爬挑战与 SPA 空壳,返回干净的 Markdown 加元数据和链接。支持 PDF、指定章节、已登录会话,以及点击/输入/滚动/截图等页面动作。

crawl

多页爬取,支持 BFS、DFS、sitemap 或仅站点地图。带按域名限速、遵守 robots.txt、模板噪声去重。

extract

从页面抽结构化数据:表格、元数据、JSON-LD、品牌信息、命名 Schema(文章 / 食谱 / 商品等),或任意自定义 JSON Schema。

cache

查询本机「已经见过」的所有内容,支持关键词与混合语义检索,另有统计、清理和变化检测。

find_similar

找与某个 URL 或某个概念相似的页面,三路融合关键词、语义与实时网络。

research

把问题拆解 → 并行发起子查询 → 抓取来源 → 综合成一份带引用的报告(或交给宿主 LLM 的简报)。

agent

自主采集循环:规划 → 搜索 → 抓取 → 抽取 → 综合,带步骤日志、时间预算和可选的输出 Schema。

diff / watch

看清页面自上次访问后具体改了什么;按需复查,并把变化推送到 webhook。

04

🔍 关键差异:结果是可以核查的证据

Evidence

wigolo 最值得说的不是「能搜」,而是它交回来的每一条结果都是可核查的证据:原文逐字摘录、精确锚定到源文件的字节位置、带可引用的 citation ID,还有一个 Agent 自己能检视的分数拆解。

JSONsearch 返回结构(节选)
{
  "results": [{
    "title": "Logical replication - PostgreSQL docs",
    "url": "https://www.postgresql.org/docs/current/logical-replication.html",
    "excerpt": "Logical replication is a method of replicating data objects…",
    "citation_id": "src-1",
    "source_span": { "start": 1042, "end": 1305 },   // 字节级溯源
    "evidence_score": { "final": 0.86, "semantic": 0.91,
                        "lexical": 0.78, "engine_consensus": 3 }
  }],
  "citations": [{ "id": "src-1", "url": "…" }],
  "freshness_signal": { "published": "2026-05-12", "confidence": "high" }
}

证据锚定插画
摘录逐字保留,位置精确到字节——Agent 不必「相信」结果,它可以核对

更重要的是它不粉饰失败:弱结果会被 wigolo 自己的评分器标记为 junk,失败的引擎会如实报告,缓存过期会被打上标签。遇到读不了的防爬页面,你拿到的是一个明确标注 blocked_by_challenge 的失败,而不是把验证页空壳当内容返回。

🛡 隐私边界:缓存、向量索引、模型和配置全部存放在 ~/.wigolo/ 下。除非你主动为「综合成文」这一步配置 LLM,否则查询数据不会离开本机。

05

✅ 验证安装结果

Verification

  1. 命令行自测——执行 wigolo search "你的问题" --json,能返回带 evidence_score 的结果数组,说明搜索链路正常。
  2. 抓取一个真实网页——wigolo fetch <url>,看是否返回干净的 Markdown。拿一个 SPA 站点试,能观察到分层升级的效果。
  3. 在 Agent 里问一个实时问题——重启你的 Claude Code / Cursor,问一个只有联网才知道答案的问题。能正确引用来源,说明 MCP 已接通。
  4. 确认体检全绿——npx wigolo doctor 无待修项。

四项通过,说明你的 Agent 已经具备完整的本地联网能力。想彻底卸载也很干净:npx wigolo config --uninstall --yes。

成本对比插画
云端按次计费的成本曲线会随查询量爬升,wigolo 始终是一条零线

06

🛡 常见问题解答

FAQ

Q1:和 Firecrawl / Exa / Tavily 有什么区别?

功能面基本对齐,差别在「跑在哪里」和「怎么收费」。官方给了一张对比表:

能力 wigolo Firecrawl Exa Tavily
多引擎网页搜索 ✓ ✓ ✓ ✓
抓取与结构化抽取 ✓ ✓ ✓ ✓
整站爬取与站点地图 ✓ ✓ — ✓
逐字摘录锚定字节位置 ✓ — — —
可解释的逐条评分拆解 ✓ — — —
本地持久记忆,可离线复问 ✓ — — —
查询数据留在本机 ✓ — — —
API Key / 账号 不需要 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

* 表格内容来自 wigolo 官方 README(截至 2026 年 7 月的功能状态),带竞争立场,实际能力请以各家最新文档为准。

Q2:完全免费,那有什么坑?

按作者的说法,「设计上没有坑」:贵的部分(重排、向量化、浏览器引擎)跑在你自己的硬件上,所以没有按次成本需要回收,也就没有计量的理由。项目靠捐赠维持,而 AGPL 协议在法律层面阻止它被改造成闭源托管服务。代价是你要付出那 1.5 GB 磁盘和本机算力。

Q3:公共搜索引擎会不会封它、或者哪天就失效了?

这正是它架构上重点防御的风险:18 个引擎做排名融合,单个引擎挂掉对结果影响很小;抓取侧是带按域名学习的分层升级;还有可选的聚合器后端兜底。退化的后端的会被写进返回结果里报告出来,而本地缓存意味着「已经见过的内容」始终可用。

Q4:AGPL 协议,公司里能用吗?

能,全公司用也没问题。AGPL 的约束只在一种情况下触发:你修改了 wigolo 本身,并把它作为网络服务对外提供——这时你需要公开这些修改。作为本地开发工具使用,零义务。

Q5:下载很慢、浏览器起不来、公司代理怎么办?

  • 下载慢或失败——重跑 wigolo warmup --all(或 --browser / --embeddings / --reranker),支持断点续传与重试。
  • Linux 上浏览器无法启动——执行 wigolo warmup --browser,它会安装所需系统库(或直接打印出该执行的命令)。
  • 原生模块编译报错——换用 LTS 版 Node:20、22 或 24。
  • 公司走代理——设置 USE_PROXY=true 与 PROXY_URL;若代理会做 TLS 中间人检查,再加 NODE_EXTRA_CA_CERTS。

Q6:它这样抓网页,合适吗?

wigolo 的定位是「像浏览器一样读公开网页」:默认遵守 robots.txt、按域名限速、单台机器上单个 Agent 的调研级流量。它刻意站在礼貌光谱的那一端。

07

⚙️ 顺手了解一下它的设计取向

Architecture

单个 Node 进程通过 stdio 说 MCP(JSON-RPC),所有重活都在本地、按需懒加载,所以零 Key 安装不会为你没用到的部分付出成本。两条设计原则值得单独一提:

  • 能用代码解决的,不交给模型——规范化、排名融合、去重、Schema 匹配这些确定性工作全部不走 LLM;模型只负责需要做判断的部分,且每次请求都有用量上限。由 LLM 填充的字段还会回查原文,源文里没有就置空。
  • 靠信号驱动升级,不靠猜域名——抓取层级是否升级到真实浏览器,取决于可观测信号(SPA 特征、挑战页、内容过薄),并按域名持续学习;某个站点不再需要时也会「忘掉」。想看它学到了什么,wigolo tune list 会全部列出来。

◆ 项目信息

◆ ◆ ◆

未经允许不得转载:AI智汇具 - AI工具推荐与技能教程_好用的AI工具大全 » wigolo 安装使用完整教程(2026年最新)

评论 抢沙发

登录

找回密码

注册