Mole 在跑之前就把研究 agent 的预算焊死，超支为零

今天的 Show HN：Mole，一个跑在终端里的深度研究 agent。Go 写的，Apache-2.0，Linux 和 macOS 的静态二进制，能接 Anthropic、OpenAI 或者任何 OpenAI 兼容的端点。写这段时 49 个 star，正是值得看的阶段，因为设计决策还看得清。

其中三条不管你用不用它都值得抄。第一，预算是在执行前强制的，不是事后报账。你设一个 token 或美元上限，它是硬上限，测试中实测超支为零。我跑过的每一个研究 agent 都有一个以账单结尾的故事，而"事后给你看用量曲线"不叫控制。在规划阶段就卡死才叫。

第二，输出里的每一条论断都带一句逐字引文，并且回原文核验过，核验不过的论断直接丢掉，不是改成模棱两可。不是一个引用链接。是那句原话，验过的。这是参考文献和收据的区别，也正好杀掉研究 agent 最常见的翻车方式：一段流畅的话，挂一个看起来合理的脚注，指向原文根本没说过的东西。

第三，本地数据有明确的隐私边界。它通过 SQL 分析你的文件，只有聚合结果离开这台机器，行内容永远不进模型。跟今天 Google 那个 HEIR 是同一种直觉，只是站在复杂度光谱的另一端：在模型读不到的数据上完成计算。

流程是拆成子问题，跑网页、学术和本地三类执行体，抽取并核验论断，检测彼此矛盾，最后只用活下来的证据做综合。它还能作为 MCP server 跑，让你的编码 agent 来驱动它；或者用 toolkit 模式，推理交给你 agent 的模型，Mole 只负责确定性的那部分。这个切分——模型判断和确定性操作分开——正是 Spark-to-Paper 把捏造检测从 14% 拉到 92% 时归功的那套架构。两个项目，一个洞见。

github.com/lajosdeme/mole。