lajosdeme/mole

解決的問題

mole 是一個專為解決 AI 驅動研究常見陷阱而設計的深度研究代理：無法控制的 API 成本、無證據的幻覺（主張無根據）、以及分析本地資料時的隱私風險。它確保研究報告中的每一項主張都基於來源的原文引用，且研究執行的總成本永遠不會超過使用者定義的預算。

工作原理

該代理遵循一個結構化流程：將問題分解為子問題，搜尋來源，提取主張，並與原始文字進行驗證。它使用主張圖來仲裁矛盾，並合成帶有引用的最終答案。

關鍵機制包括：

• 預算強制：每次模型呼叫在執行前都會在帳本中預留，執行後結算，確保支出有硬性上限。
• 驗證：若支援的引文在來源頁面中未完全一致出現，相關主張將被捨棄。
• 隱私邊界：對於本地資料（CSV、JSON 等），模型僅選擇模板和欄位名稱；mole 在本地渲染並執行 SQL，僅將聚合結果（計數、平均值等）回傳給模型，原始資料行永遠不會離開機器。
• MCP 集成：可作為獨立代理運行，或透過 Model Context Protocol (MCP) 以「工具包模式」運行，允許其他編碼代理使用其確定性工具進行研究與資料分析。

適用對象

需要高保真、可驗證的 AI 研究，同時具備嚴格成本控制能力，並能分析本地資料集而不洩漏資料隱私的研究人員、開發者與分析師。

主要亮點

• 硬性預算上限：支出限制零超支。
• 原文引用驗證：每一項主張均與來源核對，徹底消除幻覺。
• 隱私保護型本地分析：在本地執行 SQL 分析您的資料，僅向 LLM 傳遞聚合結果。
• 支援 MCP：可由其他代理驅動，或作為一組研究工具使用。
• 學術整合：提供專門用於查詢 Crossref、OpenAlex、arXiv 和 PubMed 的代理。
• 資料集模式：可從研究中構建結構化資料集，而不僅僅是生成文字。