把深度调研 Agent 搬进终端且能强制控制预算的 Mole 挺有意

终端工具如果能把 Deep Research 的能力集成进来，而且还能管住 Token 消费，对我这种经常得翻资料的人来说太实用了。很多调研类 Agent 最大的问题就是“过度自信”且“烧钱”，你给它一个指令，它可能在后台跑几十个循环，最后给你一个似是而非的答案，但账单却极其惊人。

我试了一下 Mole，它最核心的逻辑在于把预算控制死。很多工具号称有预算管理，但实际运行中经常出现溢出，Mole 宣称的超支率为 0%，这点在实操中非常关键，尤其是用那些按 Token 计费的昂贵模型时。

除了省钱，它在数据处理上的逻辑也比较硬核，尤其是对本地数据的隐私处理。如果你给它一个 CSV 文件，它会通过本地分析而非直接把整个文件塞进 Prompt 发给云端，这解决了很多人担心公司内部数据泄露的痛点。

具体功能点拆解如下：

• 预算强制执行： 预先设定金额，Agent 绝对不会跑过头。
• 来源可追溯： 每一个结论都必须挂载原始引用，拒绝 AI 幻觉。
• 本地隐私边界： 本地文件分析不离机，只传输必要的中间结果。
• 模型兼容性： 支持主流 LLM 订阅账号以及本地部署的模型。

如果你习惯在命令行工作，或者需要一个能掌控成本的调研助手，可以尝试部署一下。安装和运行基本就是简单的命令行操作，建议搭配本地模型试运行，看看在特定领域知识库上的检索精度。

# 假设安装后运行基础调研指令
mole research "分析 2024 年 WebGPU 的主流应用场景" --budget 0.5