metasearch · 多源聚合搜索

一次输入，同时打到多个搜索来源，结果统一成同一种格式、跨来源去重合并，再按来源分组交给你。 本体是一个命令行工具；这一页把其中三个不需要登录态的公开源接上了服务端出口，你可以直接在下面试。

1 · 它替你解决什么

同一个问题，答案分散在互不相通的几个站里。于是你开五个标签页，同一串关键词敲五遍， 再自己在脑子里合并——哪些是同一篇、哪个先看、哪个站今天登录掉了。metasearch 把这一整套动作压成一次输入。

2 · 网页版接了什么、没接什么

3 · 试一下：三源并行搜索

三个源同时发出（不是排队轮问），谁先回来先渲染谁，总耗时取决于最慢的那个源而不是三者相加。 每个源单独显示耗时；某个源失败只标它自己失败，其余照常显示。

4 · 去重规则，你也可以在这里试

合并视图用的就是下面这套逻辑（URL 归一化 + 跨源合并），在你的浏览器里当场算，不联网。 改改试试：把 utm_source 换个值、把参数顺序调一下、加个 # 锚点，看它还认不认得这是同一条。

5 · 本地完整版的 21 个来源

点表头可排序。「零配置」＝装完就能跑；其余需要你自己准备密钥、登录态或本地命令。 带「网页版」标记的三个，就是上面那个搜索框接的源；其余在公网上接不了。 单个来源缺条件不会导致命令失败，只会被标成降级。

6 · 命令行怎么用

# 看看当前注册了哪些源
metasearch --list-sources

# 只问三个源，每源最多 5 条，JSON 输出到屏幕
metasearch "claude code" --sources web,github,arxiv --limit 5

# 不指定源 = 全部启用的源一起上
metasearch "vector database"

# 单源超时收紧到 8 秒（慢源自动降级，不等它）
metasearch "vector database" --sources web,hackernews --timeout 8

# 出 Markdown / 自包含 HTML，写到文件
metasearch "transformer" --format md   -o out.md
metasearch "transformer" --format html -o out.html

参数总表：--sources 逗号分隔的源名（默认全部）· --limit 每源条数上限（默认 10）· --timeout 单源超时秒（默认 15）· --format json|md|html（默认 json）· -o 写文件 · --list-sources 列出源。

7 · 技术上怎么做的

核心是一份只有两个字段要求的适配器契约：每个源实现 async search(query, limit)， 把自家返回映射成统一的结果对象（标题 / 链接 / 来源 / 摘要 / 分值 / 时间，外加一份原始负载兜底，不丢信息）。 派发层拿到的是一组同构对象，因此它只认契约不认源——21 个源里既有原生异步 HTTP 调用，也有包成线程的同步子进程命令行， 在派发层眼里没有区别。所有源用一次 asyncio.gather 并发出去，每个源套一层独立的超时与异常隔离壳： 它只会返回「结果」或「降级原因」，绝不向上抛——这是「单源失败不拖垮整体」在代码层面的落点，而不是一句设计意图。

聚合层做两件事：归一化 URL 后跨源去重合并（保留高分那条，累计多源标记），以及组内排序。 去重主键是归一化后的 URL：剥掉 utm_* 一类跟踪参数与 fbclid / gclid / spm / ref 等分享参数、丢掉锚点、把剩余参数排序、统一去掉末尾斜杠； 没有 URL 的结果（本地知识库、部分社交内容）退回用「来源 + 标题」作主键，不会被误合。 上面那个搜索框走的是同一套规则的 JavaScript 复刻版，逐条对齐。

网页版这一层只多做一件事：把三个公开源的请求挪到服务端出口 （GET /api/fetch?src=<github|arxiv|hackernews>&q=<关键词>， 返回 {src, items:[{title,url,meta,snippet}], ms}）， 浏览器侧三个请求一起发、各自渲染、各自计时。加来源在命令行版是往目录里丢一个文件； 在网页版则要先回答「这个源需不需要登录态」——需要的那些，答案就是不接。