Hi, 请登录     我要注册     找回密码

DeepSeek与Pi模型开源搜索插件更新v0.1：新增X搜索与MCP协议支持

分类：未分类 阅读() 评论(0)

近日，社区开发者针对DeepSeek（dsh）和Pi AI模型发布了主动式搜索插件的v0.1版本更新，该项目完全开源，旨在通过增强的Web搜索能力提升本地模型的实用性。此次更新重点引入了针对社交媒体平台X（原Twitter）的深度搜索功能，提供了与Grok类似的四种搜索模式。在功能实现上，新版本新增了`/web_change`命令，允许用户灵活切换API层与免费层。针对X平台的数据抓取，插件设计了分级方案：拥有Supergrok或X小蓝标的用户，可使用`/x-login`读取本地登录凭证或直接输入官方API Key，以走官方通道获取数据；对于无订阅用户，开发者通过多引擎搜索结合Guest GraphQL及oEmbed技术，实现了降级但可用的数据抓取方案。安装方式已优化为NPM包形式，Pi用户可通过`pi install`指令安装，而DeepSeek用户则需利用`dsh plugin`或`npx`命令进行集成。此外，适配MCP协议（Model Context Protocol）的版本正在开发测试中，未来有望进一步拓展AI智能体的应用边界。

事件分析

此次插件更新反映了开源社区在填补通用大模型实时信息获取短板方面的积极探索。由于DeepSeek等模型通常基于静态数据集训练，此类通过调用搜索引擎或特定API的插件，实质上是赋予了模型“联网能力”，使其能够处理时效性较强的查询。从技术实现看，针对X平台的抓取策略展示了在封闭社交网络数据获取上的技术博弈，利用Guest GraphQL和oEmbed的“降级方案”意味着开发者在缺乏官方API支持的情况下，通过公开接口维持服务的可用性。此外，该项目对MCP协议的跟进，标志着AI工具生态正从单一模型的孤岛效应向标准化的接口互联过渡，这种插件化、模块化的开发模式降低了用户定制AI智能体的门槛。

核心观点：这款开源插件通过补齐DeepSeek等本地模型的实时联网与社交数据获取短板，展示了开源生态在构建标准化AI智能体接口方面的强劲自驱力。

原文链接：Linux.do

C code80.ai · AI 编码 API 聚合 Claude / GPT 多模型统一接入,稳定不限速,按量计费,几行配置接入 Claude Code。 了解一下 ›

相关推荐

抢沙发

评论前必须登录！

立即登录   注册

易安
易安作者
长期关注 AI Agent、软件工程、自动化工作流与个人生产力系统。喜欢把复杂技术拆成普通人也能上手的实践教程,也记录自己在工具链、编程、内容创作和知识管理上的真实折腾。
  • 分享 AI 工具、Agent 工作流与提示词工程的实战经验
  • 记录从想法到产品、从代码到上线的完整实践过程
  • 关注普通人如何用 AI 放大能力,而不是被工具牵着走
阅读作者的全部文章 ›
文章目录

    置顶推荐

    Code80 · AI 编程巴士

    前沿哨所

    • 开源项目 MonoLight：打造安全优先与“人机协同”的通用 AI 智能体运行时

      开源社区 Linux.do 近期涌现了一款名为 MonoLight 的通用自主智能体运行时项目，并已通过社区的开源推广审核。该项目托管于 GitHub 平台，由开发者 honestDS 发起，核心定位为构建一个专注于安全执行与人机协同的底层运行环境。在当前 AI 智能体市场同质化严重的背景下，MonoLight 并未盲目追求功能的堆砌，而是将重点置于“安全性”与“可控性”之上，试图解决通用智能体在自动化任务中可能产生的失控风险。项目目前处于快速迭代的早期阶段，架构尚未定型。作者坦诚地回应了关于项目是否为“缝合怪”或“AI 生成劣质代码”的质疑，并致力于通过严格的代码审查与架构设计来避免技术债。为了保持架构的稳定性，项目暂时暂停了外部 Pull Request，转而强烈呼吁社区成员在试用过程中通过 Issues 渠道提交真实的 Bug 报告与改进建议。MonoLight 试图在“通用性”与“安全性”之间寻找平衡，其独特的“IM优先”理念表明其不仅看重全自动执行，更强调即时通讯场景下的人机交互与干预。对于关注 AI 基础设施、智能体沙箱技术以及可靠软件工程实践的开发者而言，这是一个极具潜力的新兴开源项目。

      事件分析

      在当前的 AI 开发生态中，Agent 项目层出不穷，但普遍面临“幻觉”风险与不可控执行的难题。MonoLight 的切入点非常精准，它将“安全执行”置于优先级，这正是制约智能体从“玩具”走向“生产力工具”的关键瓶颈。从技术架构上看，强调“运行时”而非仅仅是“应用层”，意味着该项目致力于解决智能体生命周期管理、环境隔离及指令拦截等底层问题。“IM优先”与“人机协同”的特性暗示了其设计不仅追求全自动，更看重“人在回路”的干预机制，这对于金融、运维等高敏感领域的落地至关重要。虽然项目尚属早期，但其试图重构代码质量（避免AI生成劣质代码堆积）的承诺，若能实现，将为开源社区的AI工程化提供一种新的范式。这反映了开发者社区正从单纯追求模型参数，转向关注软件工程与可靠性并重的阶段。

      核心观点：MonoLight 的开源尝试标志着 AI 智能体正从单纯的模型能力比拼，转向追求工程化落地与安全可控的深水区。

      原文链接：Linux.do

    • dsh 新增 Web 端终端插件：支持可视化操作与项目级快捷命令

      开发者 geebos 在 GitHub 上开源了一款名为 “@geebos/dsh-terminal” 的插件，旨在为 dsh 生态引入 Web 端的终端交互能力。该插件通过在网页端直接接入系统的默认 Shell，打破了传统命令行工具的空间限制，使用户能够直接在浏览器界面中执行系统级操作。

      在功能设计上，该插件不仅适配了深受开发者喜爱的夜间模式，提供了舒适的视觉体验，更引入了高效的“快捷命令”机制。用户可以针对不同的项目预设特定的 Shell 指令，通过界面点击即可自动执行，无需手动重复输入冗长的命令代码。这一特性极大地简化了开发与运维流程中的重复性劳动。

      从技术实现角度看，该工具作为一个轻量级的 NPM 包发布，用户只需通过 “pnpm dsh plugin –profile web add @geebos/dsh-terminal” 命令即可完成安装与集成。该项目填补了 dsh 在 Web 侧交互能力的空白，为构建现代化的、基于浏览器的开发者控制台提供了高可用性的底层支撑。

      事件分析

      该项目体现了前端工程化与终端交互融合的一个典型趋势，即利用 Web 技术重构传统的 CLI（命令行界面）体验。虽然基于 xterm.js 等库的 Web 终端已不罕见，但该插件的核心价值在于其“上下文感知”的能力。

      通过允许为每个项目单独配置快捷命令，它实际上是将复杂的 Shell 脚本逻辑封装为了可视化的 UI 组件。这种设计模式正在成为一种微趋势：它不仅降低了新手上手的门槛，更让日常的运维操作实现了“低代码化”。对于致力于提升 DevOps 工具链效率的团队而言，这种无需切换上下文即可在 Web 环境中完成从管理到执行的全链路闭环方案，具有极高的参考价值和实用性。

      核心观点：Web 终端的可视化与命令预置，标志着开发者工具正从“输入驱动”向“任务驱动”演进。

      原文链接：V2EX 分享发现

    • 开源TUI工具ipmt发布：解决pi-mono模型配置难题，支持参数自动填充

      针对AI智能体框架pi-mono仅支持命令行认证而缺乏图形界面配置的痛点，开发者wsdx233在GitHub发布了名为ipmt的开源TUI（终端用户界面）工具。pi-mono作为一个流行的AI Agent工具，以往用户若需添加自定义提供商或模型，必须手动编辑models.json文件，操作门槛较高且容易出错。ipmt工具的出现旨在解决这一配置繁琐问题，其核心功能允许用户通过输入baseurl和apikey快速拉取并发现模型列表。此外，该工具集成了其他开源项目维护的模型数据库，能够自动识别并填充已知模型的各项参数，同时也支持手动导入模型数据。在安装部署方面，ipmt提供了极简的一键安装脚本，Linux用户可通过curl执行sh脚本，Windows用户则可通过PowerShell的irm命令执行ps1脚本，安装完成后直接输入ipmt指令即可启动管理界面，极大地提升了开发者的配置效率。

      事件分析

      CLI（命令行界面）与TUI（终端图形界面）的结合正在成为开发者工具的重要演进方向。pi-mono作为AI Agent领域的代表性工具之一，其核心架构专注于Agent逻辑，但牺牲了易用性，ipmt作为辅助工具的出现，补齐了其在配置管理上的短板。从技术角度看，ipmt利用API探测（Discovery）机制来获取模型列表，而非依赖硬编码，这显示了工具对异构模型提供商（如OpenAI兼容接口、LocalAI等）的良好兼容性。这种“核心逻辑+配置UI”的解耦模式，降低了开发者接触本地化或私有化AI模型的门槛，有利于AI Agent技术在技术极客圈层的快速普及与测试。

      核心观点：优秀的开发者工具应遵循“约定优于配置”，通过TUI自动化填参解决JSON配置的繁琐，显著降低了AI Agent本地化部署的摩擦成本。

      原文链接：Linux.do

    • DeepSeek与Pi模型开源搜索插件更新v0.1：新增X搜索与MCP协议支持

      近日，社区开发者针对DeepSeek（dsh）和Pi AI模型发布了主动式搜索插件的v0.1版本更新，该项目完全开源，旨在通过增强的Web搜索能力提升本地模型的实用性。此次更新重点引入了针对社交媒体平台X（原Twitter）的深度搜索功能，提供了与Grok类似的四种搜索模式。在功能实现上，新版本新增了`/web_change`命令，允许用户灵活切换API层与免费层。针对X平台的数据抓取，插件设计了分级方案：拥有Supergrok或X小蓝标的用户，可使用`/x-login`读取本地登录凭证或直接输入官方API Key，以走官方通道获取数据；对于无订阅用户，开发者通过多引擎搜索结合Guest GraphQL及oEmbed技术，实现了降级但可用的数据抓取方案。安装方式已优化为NPM包形式，Pi用户可通过`pi install`指令安装，而DeepSeek用户则需利用`dsh plugin`或`npx`命令进行集成。此外，适配MCP协议（Model Context Protocol）的版本正在开发测试中，未来有望进一步拓展AI智能体的应用边界。

      事件分析

      此次插件更新反映了开源社区在填补通用大模型实时信息获取短板方面的积极探索。由于DeepSeek等模型通常基于静态数据集训练，此类通过调用搜索引擎或特定API的插件，实质上是赋予了模型“联网能力”，使其能够处理时效性较强的查询。从技术实现看，针对X平台的抓取策略展示了在封闭社交网络数据获取上的技术博弈，利用Guest GraphQL和oEmbed的“降级方案”意味着开发者在缺乏官方API支持的情况下，通过公开接口维持服务的可用性。此外，该项目对MCP协议的跟进，标志着AI工具生态正从单一模型的孤岛效应向标准化的接口互联过渡，这种插件化、模块化的开发模式降低了用户定制AI智能体的门槛。

      核心观点：这款开源插件通过补齐DeepSeek等本地模型的实时联网与社交数据获取短板，展示了开源生态在构建标准化AI智能体接口方面的强劲自驱力。

      原文链接：Linux.do

    • 开发者反馈 OpenCode Go 平台 DeepSeek 用量异常，推测大幅涨价或缩减额度

      基于 V2EX 开发者社区的最新反馈，OpenCode Go 平台上的 DeepSeek Flash 模型服务近期引发了用户强烈不满。据用户描述，在使用该服务调用 DeepSeek Flash 模型时，出现了极为明显的额度消耗异常情况。用户指出，原本购买的额度在短时间内迅速耗尽，例如仅经过几轮对话便消耗了 3 美元，且总配额使用了 15%。经过用户自行测算，当前的消耗速率约为以往的 3 到 6 倍，这意味着原本 60 美元的等效额度在实际使用中缩水至约 15 美元。考虑到 DeepSeek 官方近期未对 Flash 模型进行大幅涨价调整，此次事件大概率指向了第三方聚合平台（OpenCode Go）的计费策略变更、Token 计数误差或针对该特定模型的额度限制收紧。这一情况引发了开发者对于第三方 AI 编程工具成本控制的担忧，部分用户表示如果价格优势不再，将转而回归 GPT Plus 或 Luna 等更稳定的替代方案。

      事件分析

      此次事件的核心在于大模型产业链中“聚合层”与“官方层”的价值背离。DeepSeek 凭借极致性价比冲击市场，但 OpenCode Go 等第三方代理平台无法长期补贴高昂的推理或转发成本，导致出现实际价格上涨或隐形限流。技术层面看，这反映出中间商在面对高流量、低单价模型时的盈利困境，迫使其通过调整波峰波谷带宽或改变计费透明度来维持运营。对于开发者而言，依赖单一第三方封装服务存在极大风险，非官方 API 接口的定价稳定性远低于厂商直连渠道。这也警示行业，单纯依靠套壳大模型提供的低价服务难以持续，开发者工具的竞争力应逐渐转向原生功能与生态整合，而非简单的 API 转售差价。

      核心观点：大模型降价潮下的第三方代理面临成本倒挂危机，开发者需警惕低价套壳服务的隐性涨价与计量陷阱。

      原文链接：V2EX 分享发现

    • Silkpulse 开源：打造 AI 原生远程调试器，赋予 Agent“悬丝诊脉”能力

      远程调试移动端网页、WebView 及生产环境 H5 一直是前端开发的痛点。传统方案如 vConsole 界面操作受限，而基于 Chrome DevTools Protocol (CDP) 的方案往往依赖 USB 连接或特定调试端口，难以覆盖用户真实的手机设备或封闭的 App 环境。开发者通常需要人工截屏、录屏或充当“人肉日志转发器”，导致 AI 编程工具（如 Copilot）因“看”不到远程设备而无法介入调试流程。

      为解决这一问题，名为 Silkpulse 的开源项目提出了“AI 原生远程设备调试器”的解决方案。该项目灵感源自中医“悬丝诊脉”，旨在让 AI Agent 像医生诊脉一样直接诊断远程设备。技术上，Silkpulse 不依赖强大但受限的 CDP 协议，而是通过公网服务端与设备建立 WebSocket 连接，利用动态脚本执行实现对目标设备的完全控制。

      与 vConsole 等传统工具不同，Silkpulse 不仅支持 Vue/React DevTools、日志查看、网络请求监控、Storage 修改及 snapDom 截图等全功能调试，更核心的创新在于其设计了 Skill 与 HTTP API 接口。这使得 AI Agent 无需人工干预，即可直接调用接口进行调试操作，打破了 AI 只能处理本地代码的局限，实现了从代码编写到远程故障排查的全自动化闭环。

      事件分析

      Silkpulse 的出现揭示了开发者工具演进的一个重要趋势：从 GUI（图形用户界面）优先转向 API（应用程序接口）优先。在 AI 编程时代，传统 DevTools 依赖人类视觉和鼠标操作的特性已成为瓶颈，Silkpulse 通过将调试能力 API 化，实际上是构建了一套专门给 AI Agent 使用的 SDK，而非仅仅是一个给人用的控制面板。

      从技术角度看，该方案绕过 CDP 对物理连接的硬性要求，采用 WebSocket 通信模式，极大地拓展了调试的物理边界，使线上问题排查变得可自动化。这标志着“AI-Native”工具设计的成熟——未来的工具不仅需要功能强大，更需要具备机器可读性和可操作性。这种范式的转移可能会催生更多专为 Agent 设计的基础设施，推动软件开发从“人机协作”向“Agent 主导”加速演进。

      核心观点：Silkpulse 标志着开发者工具从“图形交互”向“API 交互”的范式转移，打通了 AI 编程闭环的关键基建。

      原文链接：Linux.do

    最新文章

    热门专题

    热门标签

    AI编程claude大模型AIAI Agent人工智能开源项目Gemini开发者工具开源GitHubClaude Code开源工具AI工具开发工具谷歌openaideepseek提示词工程cursoranthropic网络安全AI应用ChatgptAI开发agent自动化AI安全智能体AI智能体

    网站统计

    • 日志总数：27165
    • 评论总数：7
    • 标签总数：17856
    • 用户总数：3675
    • 最后更新：2026-08-17