Mole开源：基于Go语言构建的深度研究AI代理，预算可控且引用可验证
一款名为Mole的新型深度研究AI代理在GitHub上开源发布，迅速引起了开发者社区的关注。Mole采用Go语言开发，以单一静态二进制文件的形式运行，用户只需提供自己的API密钥即可使用。与传统的AI聊天界面不同，Mole专注于深度研究场景：它将用户的问题分解为子任务，搜索相关来源，阅读内容，提取声明，并逐一验证每个声明是否在原文中实际存在，最终生成带有引用的研究报告。
预算强制执行机制
Mole最引人注目的特性是其强制执行的成本预算机制。在每次模型调用之前，系统会预先从预算中预留费用，调用完成后进行结算，整个流程基于数据库中的非负约束进行记账。用户可以通过--usd 0.50这样的参数精确控制运行成本，运行会在预算耗尽时自动停止。根据测试数据，Mole的预算使用偏差为零——这意味着用户设定的上限就是实际花费的上限，不会出现计划外的超额收费。这种设计对于需要批量研究或自动化工作流的团队来说尤为重要，可以精确控制AI使用成本。
引用验证与质量控制
在AI研究领域，幻觉问题一直是用户关心的核心问题。Mole通过多层验证机制来应对这一挑战：每个声明在提取时都会附带原文中的引用文本，如果引用内容在来源页面中找不到完全匹配，则该声明在到达最终答案之前就会被丢弃。通过验证的声明可以随时回溯到原文重新核查，如果后续发现某个声明缺乏支持，它会在报告中明确标记为「未支持」，而不是被默默删除。这种透明度设计让用户能够判断研究结果的可靠程度，而不是盲目信任AI的输出。
本地数据隐私保护
Mole的另一个关键设计理念是数据本地化。用户可以指定一个CSV文件或文件夹路径，Mole会在本地分析这些数据，内容不会离开用户的机器。模型负责选择假设模板和列名，Mole在本地执行数据提取和分析。这种设计对于处理敏感数据的企业用户来说非常重要，可以在不将数据上传到云端的情况下获得AI驱动的分析能力。Mole还通过MCP（Model Context Protocol）协议暴露接口，编码代理可以直接调用Mole的研究能力，而无需自己实现复杂的搜索和验证逻辑。
技术架构与生态
Mole使用Go语言构建，作为单一静态二进制文件分发，部署极为简单。它支持工具包模式（toolkit mode），在这种模式下，编码代理用自己的模型进行推理，而Mole提供搜索、阅读、引用验证等非模型调用功能。这种分工使得Mole可以与现有的AI编码工具（如Claude Code、Cursor等）深度集成，扩展它们的研究能力。目前Mole在GitHub上已获得超过100颗星，开发者社区正在积极贡献插件和扩展，有望成为AI研究工具链中的重要一环。