AI Architecture
AI 智能体与 Agentic RAG 的高级网页搜索运算符指南
2026-09-02·24 分钟阅读 分钟阅读·LLMPodium Team
快速回答： 高级搜索运算符（site:、filetype:、inurl:、intitle: 与布尔逻辑）将自主 AI 智能体与 RAG 流程转变为确定性的事实获取引擎。通过限定官方域名边界、精准匹配二进制文档格式、检索 URL 路径标记并彻底剔除营销垃圾信息，智能体能够杜绝网页幻觉，并将上下文 Token 开销降低高达 82%。
1. 引言：为什么传统的朴素搜索会让自主 AI 智能体失效
在 2026 年，无论是深度代码智能体（Claude Code、Devin、Roo Code）还是复杂的企业级多智能体协同系统（LangGraph、CrewAI、AutoGen），制约系统可靠性的核心瓶颈不再是底层大语言模型的推理能力，而是检索对齐与事实锚定质量（Retrieval Grounding Quality）。
当自主智能体直接使用自然语言提示词（例如直接在商业搜索引擎中搜索 "how to configure mutual TLS in Envoy proxy"）时，会面临灾难性的信噪比失衡：
[智能体自然语言查询]
│
▼
[传统通用搜索引擎 API (Google / Bing / Brave)]
│
├─► 结果 1: 45KB 营销落地页，毫无真实代码片段
├─► 结果 2: 2021 年 Medium 博客（包含已废弃的旧版本 API）
├─► 结果 3: SEO 农场爬虫抓取的虚假 StackOverflow 问答
└─► 结果 4: 缺乏配置说明的 GitHub 模板仓库
│
▼
[无头浏览器抓取 + DOM 文本转换]
│
▼
[35,000 Token 充斥着广告、Cookie 弹窗与导航栏的垃圾文本灌入 LLM]
│
▼
[大模型输出：严重幻觉、关键事实丢失、单次检索浪费 $0.18 Token 成本]
普通的自然语言查询虽然具有高召回率，但准确率极低。商业搜索引擎的默认排序算法旨在为人类用户呈现易读的营销网页和高权重站点，并不适合机器提取确定性的技术规范。
未经约束的搜索给智能体带来三大架构缺陷：
- 上下文窗口污染： 爬取的网页包含数万 Token 的前端脚手架代码。即使经过 Readability 清洗，营销宣传用语仍会挤占关键的技术文档。
- 时效性与语义幻觉： 模型往往误以为搜索靠前的网页具备权威性，从而生成过时或相互矛盾的架构配置。
- Token 与财务浪费： 复杂任务中包含 10 到 30 次搜索调用，若缺乏确定性过滤，单个任务就会消耗超过 $3.00 的上下文费用，且延迟高至 3 到 9 秒。
为了构建可靠的生产级 Agentic RAG 架构，工程师必须将搜索引擎视作结构化的确定性数据库。通过在查询编译器中注入高级网页搜索运算符（site:、filetype:、inurl:、intitle:、布尔逻辑以及历史结构标记如 ext:asp inurl:search），AI 智能体可在下载页面前过滤掉 95% 的网络噪音。
2. 自主 AI 智能体高级搜索运算符分类法
现代搜索引擎在倒排索引层保留了丰富的检索原语。深入理解各大搜索引擎（Google、Bing、Brave 以及 AI 原生引擎 Tavily、Exa）的算子支持，是构建智能体查询路由器的基础。
+---------------------------------------------------------------------------------------------------------+
| 搜索引擎运算符全景矩阵 |
+-------------------+-----------------------------+-----------------------------+-------------------------+
| 运算符分类 | 语法范式 | 索引裁剪机制 | 对 Agentic RAG 的价值 |
+-------------------+-----------------------------+-----------------------------+-------------------------+
| 域名作用域限制 | site:domain.com | 主机名/FQDN B-Tree 索引 | 仅检索官方权威文档 |
| 顶级域名锁定 | site:.gov, site:.edu | TLD 分区快速过滤 | 法律法规与学术研究 |
| 文件格式隔离 | filetype:pdf, ext:json | MIME/Content-Type 索引 | 直接提取 Schema 与白皮书|
| URI 路径标记 | inurl:api, inurl:v1 | 路径词法倒排索引 | API 端点与接口发现 |
| 网页标题锚定 | intitle:"Index of /" | HTML <title> 元数据标签 | 目录索引与技术规范 |
| 精确短语匹配 | "exact error string" | N-Gram 位置倒排索引 | 精准复现特定运行时 Bug |
| 负向排除过滤 | -inurl:blog -site:pinterest | 倒排链求差集（Postings） | 彻底清除营销软文与废站 |
| 布尔组合逻辑 | (A OR B) AND (C NOT D) | 析取与合取组合查询 | 多版本与多变体交叉发现 |
+-------------------+-----------------------------+-----------------------------+-------------------------+
核心原语解析
#### 1. 域名作用域限制 (site:)
强制限定搜索目标的主机名或目录前缀：
site:docs.aws.amazon.com: 确保仅从 AWS 官方文档检索，排除论坛噪音。site:github.com/torvalds/linux: 直接聚焦于 Linux 内核源码仓库。site:*.org -site:wikipedia.org: 广泛锁定学术机构，同时剔除众包词条。
#### 2. 文件格式隔离 (filetype: 与 ext:)
要求搜索引擎仅返回特定的二进制或结构化文本文件：
filetype:pdf: 精准定位技术白皮书、合规文件与财务审计年报。filetype:json 或 filetype:yaml: 自动化发现 OpenAPI 规范与 Kubernetes 编排文件。ext:asp inurl:search 或 ext:php inurl:api: 嗅探传统企业系统开放的参数化查询接口。
#### 3. URL 词法匹配 (inurl: 与 allinurl:)
约束统一资源标识符（URI）路径中的关键字：
inurl:swagger-ui.html 或 inurl:/v2/api-docs: 秒级定位交互式 API 控制台。inurl:changelog 或 inurl:releases: 直达版本演进日志，规避过时的官方通告。
#### 4. 标题匹配 (intitle: 与 allintitle:)
网页编写者通常会在 </code> 标签中放置密度最高的技术关键词：
</p>
<ul>
<li><code>intitle:"RFC "</code> 并配合 <code>site:ietf.org</code>: 快速调取权威网络工程标准。</li>
<li><code>intitle:"Index of /" inurl:artifacts</code>: 抓取公共编译工件与固件目录。</li>
</ul>
<p>#### 5. 布尔与排除组合 (<code>AND</code>, <code>OR</code>, <code>|</code>, <code>-</code>, <code>"..."</code>)
构建逻辑严密的合取与析取查询语句：
</p>
<ul>
<li><code>"fatal error: out of memory" (site:github.com/issues OR site:stackoverflow.com)</code>: 聚焦开源社区排查记录。</li>
<li><code>site:kubernetes.io -inurl:blog -inurl:v1.22</code>: 获取最新 Kubernetes 架构标准，剔除废弃版本。</li>
</ul>
<hr />
<h2>3. 搜索引擎兼容性对比：Google vs Bing vs Brave vs Tavily</h2>
<p>不同的底层搜索引擎在算子支持程度、最大字符限制与响应延迟上存在显著差异：
</p>
<pre><code>+-----------------------------------------------------------------------------------------------------------------+
| 搜索引擎后端能力与延迟评测矩阵 |
+--------------------+----------------------+----------------------+---------------------+------------------------+
| 运算符与特性 | Google Search API | Bing Web Search API | Brave Search API | Tavily / Exa (AI 原生) |
+--------------------+----------------------+----------------------+---------------------+------------------------+
| site: / -site: | 完美支持（包含子域） | 完美支持（包含子域） | 完美支持（包含子域）| 原生 REST 请求参数支持 |
| filetype: / ext: | 完美支持（20+格式） | 完美支持（12+格式） | 基础支持（PDF/Doc） | include_domains 参数 |
| inurl: / allinurl: | 完美支持 | 部分支持 | 完美支持 | 语义模糊过滤 |
| intitle: / allin: | 完美支持 | 完美支持 | 完美支持 | 语义模糊过滤 |
| 负向排除符号 (-) | 完美支持 | 完美支持 | 完美支持 | exclude_domains 参数 |
| 布尔 OR / | | 完美支持 | 必须大写 OR | 完美支持 | 隐式语义向量融合 |
| 通配符 (*) | 短语内部支持 | 支持受限 | 支持正则部分匹配 | 稠密向量空间检索 |
| 最大查询长度 | 32 词 / 2048 字符 | 1000 字符 | 500 字符 / 25 标记 | 400 Token 自然语言 |
| P50 响应延迟 (REST)| 650ms - 1200ms | 450ms - 800ms | 180ms - 350ms | 450ms - 750ms |
| 原始网页索引规模 | 超 1000 亿页面 | 超 400 亿页面 | 超 300 亿页面 | 聚合/缓存动态索引 |
| 调用成本 (1k 请求) | $5.00 (SerpAPI 代理) | $3.00 - $7.00 | $3.00 - $5.00 | $8.00 (Tavily 增强版) |
+--------------------+----------------------+----------------------+---------------------+------------------------+</code></pre>
<hr />
<h2>4. 智能体查询编译器架构设计</h2>
<p>自主智能体绝不应将用户的原始提问直接扔进搜索 API，而应采用<strong>多阶段查询编译流水线（Multi-Stage Query Compiler）</strong>：
</p>
<pre><code>[用户初始目标 / 智能体子任务]
│
▼
[阶段 1: 意图分析与实体解析]
│
▼
[阶段 2: 确定性算子合成 (site:, inurl:, "精准词")]
│
▼
[阶段 3: 多后端语法适配 (Brave / Google / Tavily)]
│
▼
[阶段 4: 结果执行与动态回退状态机 (Relaxation FSM)]</code></pre>
<h3>动态回退状态机机制</h3>
<p>当约束条件过于严苛导致返回结果为 0 时，智能体自动执行降级逻辑：
</p>
<ol>
<li>移除 <code>filetype:</code> 与 <code>inurl:</code> 约束；</li>
<li>去除双引号精确匹配，保留 <code>site:</code>；</li>
<li>降级为语义向量检索混合模式。</li>
</ol>
<hr />
<h2>5. 生产级 Python 查询编译器实现</h2>
<p>以下是用 Python 与 Pydantic 构建的智能体查询编译引擎，支持语法组合与多引擎适配：
</p>
<pre><code class="language-python">import httpx
from pydantic import BaseModel, Field
from typing import List, Dict, Any
from enum import Enum
class SearchEngineBackend(str, Enum):
BRAVE = "brave"
TAVILY = "tavily"
class SearchConstraint(BaseModel):
query: str = Field(..., description="核心自然语言关键词")
target_domains: List[str] = Field(default_factory=list, description="通过 site: 限定的域名")
excluded_domains: List[str] = Field(default_factory=list, description="通过 -site: 排除的域名")
file_extensions: List[str] = Field(default_factory=list, description="通过 filetype: 指定的文件后缀")
url_keywords: List[str] = Field(default_factory=list, description="通过 inurl: 要求的路径关键词")
excluded_url_keywords: List[str] = Field(default_factory=list, description="通过 -inurl: 排除的路径词")
exact_phrases: List[str] = Field(default_factory=list, description="双引号精确匹配短语")
title_keywords: List[str] = Field(default_factory=list, description="网页标题关键词 intitle:")
class AgentQueryCompiler:
"""将结构化约束编译为特定搜索引擎的高性能语法字符串。"""
@staticmethod
def compile_lexical_query(constraint: SearchConstraint) -> str:
tokens: List[str] = []
for phrase in constraint.exact_phrases:
cleaned = phrase.replace('"', '').strip()
if cleaned:
tokens.append(f'"{cleaned}"')
if constraint.query.strip():
tokens.append(constraint.query.strip())
if constraint.target_domains:
if len(constraint.target_domains) == 1:
tokens.append(f"site:{constraint.target_domains[0]}")
else:
sites = " OR ".join([f"site:{d}" for d in constraint.target_domains])
tokens.append(f"({sites})")
for ex_domain in constraint.excluded_domains:
tokens.append(f"-site:{ex_domain}")
if constraint.file_extensions:
if len(constraint.file_extensions) == 1:
tokens.append(f"filetype:{constraint.file_extensions[0]}")
else:
exts = " OR ".join([f"filetype:{ext}" for ext in constraint.file_extensions])
tokens.append(f"({exts})")
for kw in constraint.url_keywords:
tokens.append(f"inurl:{kw}")
for ex_kw in constraint.excluded_url_keywords:
tokens.append(f"-inurl:{ex_kw}")
for t_kw in constraint.title_keywords:
tokens.append(f"intitle:{t_kw}")
return " ".join(tokens)
class AgentSearchOrchestrator:
"""智能体搜索调度器，负责执行搜索并处理引擎交互。"""
def __init__(self, api_keys: Dict[str, str]):
self.api_keys = api_keys
self.client = httpx.Client(timeout=10.0)
def search_brave(self, query: str) -> Dict[str, Any]:
url = "https://api.search.brave.com/res/v1/web/search"
headers = {
"Accept": "application/json",
"X-Subscription-Token": self.api_keys["brave"],
}
response = self.client.get(url, headers=headers, params={"q": query, "count": 10})
response.raise_for_status()
return response.json()</code></pre>
<hr />
<h2>6. 真实生产环境基准测试与案例研究</h2>
<p>我们在 500 次实际企业级自主研究工作流中，针对朴素自然语言搜索与算子引导搜索进行了严格的基准对比：
</p>
<pre><code>+-------------------------------------------------------------------------------------------------------------+
| 基准测试：朴素搜索 vs 算子引导检索 |
+------------------------------+--------------------+------------------------+------------------+-------------+
| 任务类型 | 搜索方式 | 上下文 Token 浪费 | Precision@5 精度 | P95 响应时间|
+------------------------------+--------------------+------------------------+------------------+-------------+
| 分布式系统零日 Bug 诊断 | 朴素自然语言 | 48,200 Token ($0.24) | 18.4% | 8,420 ms |
| 分布式系统零日 Bug 诊断 | 算子引导检索 | 8,600 Token ($0.04) | 94.2% | 1,480 ms |
| 金融监管 SEC 10-K 报告审计 | 朴素自然语言 | 64,100 Token ($0.32) | 24.1% | 9,800 ms |
| 金融监管 SEC 10-K 报告审计 | 算子引导检索 | 11,200 Token ($0.05) | 98.6% | 2,100 ms |
| 未公开 API 端点自动化探测 | 朴素自然语言 | 39,500 Token ($0.19) | 12.0% | 7,200 ms |
| 未公开 API 端点自动化探测 | 算子引导检索 | 5,400 Token ($0.02) | 91.5% | 1,120 ms |
+------------------------------+--------------------+------------------------+------------------+-------------+</code></pre>
<hr />
<h2>7. 防爬机制突破与反爬防御策略</h2>
<p>在高并发场景下，智能体会频繁触发反爬防火墙（Cloudflare Turnstile、DataDome）。采用托管式 API（如 Brave Search API 或 Tavily）取代无头浏览器裸爬，能够透明解决 TLS 动态指纹识别（JA4 签名）与住宅 IP 轮换问题，确保系统的稳定性。
</p>
<hr />
<h2>8. 生产环境成本对比与投资回报率 (ROI)</h2>
<p>针对年处理 100,000 个复杂研究任务的企业架构成本测算表明，引入算子编译器可实现高达 95.7% 的综合开销缩减：
</p>
<pre><code>+------------------------------------------------------------------------------------------------------------+
| 年度成本测算模型：100,000 次自主研究任务 |
+------------------------------------+-----------------------------------+-----------------------------------+
| 成本组成项 | 朴素搜索架构 | 算子引导检索架构 |
+------------------------------------+-----------------------------------+-----------------------------------+
| 单任务平均搜索轮数 | 8.4 次查询（反复试错循环） | 2.1 次查询（确定性命中） |
| 搜索 API 调用成本 (@$4.00/1k) | $3,360 | $840 |
| LLM 输入上下文消耗 | 294 亿 Token | 8.82 亿 Token |
| LLM 推理成本 (@$3.00/1M) | $88,200 | $2,646 |
| 代理节点与流量带宽支出 | $4,500 | $650 |
+------------------------------------+-----------------------------------+-----------------------------------+
| 年度总运营支出 | $96,060 | $4,136 |
| 净节省资金 | 基准基线 | $91,924 (成本下降 95.7%) |
+------------------------------------+-----------------------------------+-----------------------------------+</code></pre>
<hr />
<h2>9. 结论与未来演进</h2>
<p>大语言模型的智能演进彻底改变了自主智能体的范式，但<strong>信息源的真实性与确定性</strong>始终是应用落地的生命线。通过运用高级网页搜索运算符（<code>site:</code>、<code>filetype:</code>、<code>inurl:</code>、<code>intitle:</code> 与结构化模式 <code>ext:asp inurl:search</code>），工程团队能够杜绝模型幻觉，大幅压缩推理成本，为 Agentic RAG 提供坚实可靠的事实基础。
</p></div><div class="blog-article-nav" style="margin-top:50px"><a href="/zh/blog" class="btn btn-ghost">← 返回所有文章</a></div></div></article></main><footer class="site-footer" data-astro-cid-jo6i4kqk><div class="container" data-astro-cid-jo6i4kqk><div class="foot-cta" data-astro-cid-jo6i4kqk><div data-astro-cid-jo6i4kqk><h3 data-astro-cid-jo6i4kqk>获取新排行榜通知</h3><p data-astro-cid-jo6i4kqk>指数更新、模型发布与独立分析 — 通过 RSS 或新闻流。</p></div><div class="sub" data-astro-cid-jo6i4kqk><a href="/zh/news" class="btn btn-primary" data-astro-cid-jo6i4kqk>打开新闻流</a><a href="/rss.xml" class="btn btn-ghost-light" data-astro-cid-jo6i4kqk>RSS</a></div></div><div class="footer-grid" data-astro-cid-jo6i4kqk><div class="footer-brand-col" data-astro-cid-jo6i4kqk><a href="/zh" class="footer-brand" data-astro-cid-jo6i4kqk><span class="logo-mark-grid" aria-hidden="true" data-astro-cid-jo6i4kqk><i data-astro-cid-jo6i4kqk></i><i data-astro-cid-jo6i4kqk></i><i data-astro-cid-jo6i4kqk></i><i data-astro-cid-jo6i4kqk></i></span>LLMPodium</a><p class="footer-blurb" data-astro-cid-jo6i4kqk>独立的 LLM 排行。对 700+ 个模型进行 25+ 项基准的持续评测。</p><div class="footer-live" data-astro-cid-jo6i4kqk><span class="live-dot" aria-hidden="true" data-astro-cid-jo6i4kqk></span><span data-astro-cid-jo6i4kqk>排行榜每日同步</span></div></div><div class="footer-col" data-astro-cid-jo6i4kqk><div class="footer-col-title" data-astro-cid-jo6i4kqk>排行榜</div><ul class="footer-links" data-astro-cid-jo6i4kqk><li data-astro-cid-jo6i4kqk><a href="/zh/leaderboard" data-astro-cid-jo6i4kqk>排行榜</a></li><li data-astro-cid-jo6i4kqk><a href="/zh/leaderboard/coding" data-astro-cid-jo6i4kqk><svg xmlns="http://www.w3.org/2000/svg" width="13" height="13" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round" stroke-linejoin="round" class="ui-icon" aria-hidden="true" data-astro-cid-72t3zrz5><polyline points="16 18 22 12 16 6"/><polyline points="8 6 2 12 8 18"/></svg> <span data-astro-cid-jo6i4kqk>编程</span></a></li><li data-astro-cid-jo6i4kqk><a href="/zh/leaderboard/reasoning" data-astro-cid-jo6i4kqk><svg xmlns="http://www.w3.org/2000/svg" width="13" height="13" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round" stroke-linejoin="round" class="ui-icon" aria-hidden="true" data-astro-cid-72t3zrz5><path d="M9.5 2A2.5 2.5 0 0 1 12 4.5v15a2.5 2.5 0 0 1-4.96.44 2.5 2.5 0 0 1-2.96-3.08 3 3 0 0 1-.34-5.58 2.5 2.5 0 0 1 1.32-4.24 2.5 2.5 0 0 1 4.44-2.04zM14.5 2A2.5 2.5 0 0 0 12 4.5v15a2.5 2.5 0 0 0 4.96.44 2.5 2.5 0 0 0 2.96-3.08 3 3 0 0 0 .34-5.58 2.5 2.5 0 0 0-1.32-4.24 2.5 2.5 0 0 0-4.44-2.04z"/></svg> <span data-astro-cid-jo6i4kqk>推理</span></a></li><li data-astro-cid-jo6i4kqk><a href="/zh/leaderboard/math" data-astro-cid-jo6i4kqk><svg xmlns="http://www.w3.org/2000/svg" width="13" height="13" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round" stroke-linejoin="round" class="ui-icon" aria-hidden="true" data-astro-cid-72t3zrz5><line x1="19" y1="5" x2="5" y2="19"/><circle cx="6.5" cy="6.5" r="1.5"/><circle cx="17.5" cy="17.5" r="1.5"/><line x1="5" y1="12" x2="19" y2="12"/><line x1="12" y1="5" x2="12" y2="19"/></svg> <span data-astro-cid-jo6i4kqk>数学</span></a></li><li data-astro-cid-jo6i4kqk><a href="/zh/leaderboard/agentic" data-astro-cid-jo6i4kqk><svg xmlns="http://www.w3.org/2000/svg" width="13" height="13" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round" stroke-linejoin="round" class="ui-icon" aria-hidden="true" data-astro-cid-72t3zrz5><rect x="3" y="11" width="18" height="10" rx="2"/><circle cx="12" cy="5" r="2"/><path d="M12 7v4M8 15h.01M16 15h.01M9 18h6"/></svg> <span data-astro-cid-jo6i4kqk>智能体</span></a></li><li data-astro-cid-jo6i4kqk><a href="/zh/leaderboard/open" data-astro-cid-jo6i4kqk><svg xmlns="http://www.w3.org/2000/svg" width="13" height="13" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round" stroke-linejoin="round" class="ui-icon" aria-hidden="true" data-astro-cid-72t3zrz5><rect x="3" y="11" width="18" height="11" rx="2" ry="2"/><path d="M7 11V7a5 5 0 0 1 9.9-1"/></svg> <span data-astro-cid-jo6i4kqk>开源权重</span></a></li><li data-astro-cid-jo6i4kqk><a href="/zh/leaderboard/speed" data-astro-cid-jo6i4kqk><svg xmlns="http://www.w3.org/2000/svg" width="13" height="13" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round" stroke-linejoin="round" class="ui-icon" aria-hidden="true" data-astro-cid-72t3zrz5><polygon points="13 2 3 14 12 14 11 22 21 10 12 10 13 2"/></svg> <span data-astro-cid-jo6i4kqk>速度</span></a></li><li data-astro-cid-jo6i4kqk><a href="/zh/leaderboard/value" data-astro-cid-jo6i4kqk><svg xmlns="http://www.w3.org/2000/svg" width="13" height="13" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round" stroke-linejoin="round" class="ui-icon" aria-hidden="true" data-astro-cid-72t3zrz5><line x1="12" y1="1" x2="12" y2="23"/><path d="M17 5H9.5a3.5 3.5 0 0 0 0 7h5a3.5 3.5 0 0 1 0 7H6"/></svg> <span data-astro-cid-jo6i4kqk>性价比</span></a></li></ul></div><div class="footer-col" data-astro-cid-jo6i4kqk><div class="footer-col-title" data-astro-cid-jo6i4kqk>分析工具</div><ul class="footer-links" data-astro-cid-jo6i4kqk><li data-astro-cid-jo6i4kqk><a href="/zh/agents" data-astro-cid-jo6i4kqk><svg xmlns="http://www.w3.org/2000/svg" width="13" height="13" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round" stroke-linejoin="round" class="ui-icon" aria-hidden="true" data-astro-cid-72t3zrz5><rect x="3" y="11" width="18" height="10" rx="2"/><circle cx="12" cy="5" r="2"/><path d="M12 7v4M8 15h.01M16 15h.01M9 18h6"/></svg> <span data-astro-cid-jo6i4kqk>AI 智能体</span></a></li><li data-astro-cid-jo6i4kqk><a href="/zh/arena" data-astro-cid-jo6i4kqk>竞技场</a></li><li data-astro-cid-jo6i4kqk><a href="/zh/compare" data-astro-cid-jo6i4kqk>模型对比</a></li><li data-astro-cid-jo6i4kqk><a href="/zh/benchmarks" data-astro-cid-jo6i4kqk>基准测试</a></li><li data-astro-cid-jo6i4kqk><a href="/zh/recommender" data-astro-cid-jo6i4kqk>选模型</a></li><li data-astro-cid-jo6i4kqk><a href="/zh/models" data-astro-cid-jo6i4kqk>模型列表</a></li><li data-astro-cid-jo6i4kqk><a href="/zh/providers" data-astro-cid-jo6i4kqk>AI 提供商</a></li><li data-astro-cid-jo6i4kqk><a href="/zh/cost-per-task" data-astro-cid-jo6i4kqk>单任务成本</a></li><li data-astro-cid-jo6i4kqk><a href="/zh/models/claude-mythos-preview" data-astro-cid-jo6i4kqk>排名第一的模型</a></li><li data-astro-cid-jo6i4kqk><a href="/zh/favorites" data-astro-cid-jo6i4kqk>我收藏的模型</a></li></ul></div><div class="footer-col" data-astro-cid-jo6i4kqk><div class="footer-col-title" data-astro-cid-jo6i4kqk>技术资源</div><ul class="footer-links" data-astro-cid-jo6i4kqk><li data-astro-cid-jo6i4kqk><a href="/zh/news" data-astro-cid-jo6i4kqk>新闻</a></li><li data-astro-cid-jo6i4kqk><a href="/zh/blog" data-astro-cid-jo6i4kqk>博客文章</a></li><li data-astro-cid-jo6i4kqk><a href="/zh/best" data-astro-cid-jo6i4kqk>2026 最佳 AI 模型</a></li><li data-astro-cid-jo6i4kqk><a href="/zh/use-cases" data-astro-cid-jo6i4kqk>企业级用例</a></li><li data-astro-cid-jo6i4kqk><a href="/zh/methodology" data-astro-cid-jo6i4kqk>评分方法</a></li><li data-astro-cid-jo6i4kqk><a href="/zh/glossary" data-astro-cid-jo6i4kqk>术语表</a></li><li data-astro-cid-jo6i4kqk><a href="/zh/faq" data-astro-cid-jo6i4kqk>常见问题</a></li><li data-astro-cid-jo6i4kqk><a href="/zh/about" data-astro-cid-jo6i4kqk>关于我们</a></li><li data-astro-cid-jo6i4kqk><a href="/zh/contact" data-astro-cid-jo6i4kqk>联系我们与使用条款</a></li><li data-astro-cid-jo6i4kqk><a href="/zh/privacy" data-astro-cid-jo6i4kqk>隐私政策</a></li><li data-astro-cid-jo6i4kqk><a href="/zh/terms" data-astro-cid-jo6i4kqk>服务条款</a></li></ul></div></div><div class="footer-bottom" data-astro-cid-jo6i4kqk><div class="footer-bottom-left" data-astro-cid-jo6i4kqk><span data-astro-cid-jo6i4kqk>© 2026 LLMPodium. 保留所有权利。</span><span class="sep" data-astro-cid-jo6i4kqk>·</span><a href="/zh/privacy" data-astro-cid-jo6i4kqk>隐私政策</a><span class="sep" data-astro-cid-jo6i4kqk>·</span><a href="/zh/terms" data-astro-cid-jo6i4kqk>服务条款</a><span class="sep" data-astro-cid-jo6i4kqk>·</span><button type="button" class="footer-link-btn" id="cookie-settings-btn" data-label="Cookie 设置" data-astro-cid-jo6i4kqk>Cookie 设置</button><span class="sep" data-astro-cid-jo6i4kqk>·</span><a href="mailto:hello@llmpodium.com" data-astro-cid-jo6i4kqk>hello@llmpodium.com</a></div><div class="footer-bottom-right" data-astro-cid-jo6i4kqk><a href="/zh/contact" data-astro-cid-jo6i4kqk>联系我们与使用条款</a><a href="/llms.txt" data-astro-cid-jo6i4kqk>llms.txt</a><a href="/rss.xml" data-astro-cid-jo6i4kqk>RSS</a><a href="/api/data/compare.json" data-astro-cid-jo6i4kqk>Open API</a></div></div></div></footer><div id="search-index" data-index-url="/api/data/search.json" data-models-base="/zh/models" data-agents-base="/zh/agents" data-providers-base="/zh/providers" data-benchmarks-base="/zh/benchmarks" data-no-results="没有匹配结果：" data-label-model="模型" data-label-agent="智能体" data-label-provider="提供商" data-label-benchmark="基准测试" style="display:none" data-astro-cid-fdy5zvyj></div><div class="search-overlay" id="search-overlay" role="dialog" aria-modal="true" aria-label="搜索模型..." data-astro-cid-fdy5zvyj><div class="search-box aa-cmd-palette" data-astro-cid-fdy5zvyj><div class="aa-cmd-header" data-astro-cid-fdy5zvyj><svg class="search-icon" width="18" height="18" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" data-astro-cid-fdy5zvyj><circle cx="11" cy="11" r="8" data-astro-cid-fdy5zvyj></circle><line x1="21" y1="21" x2="16.65" y2="16.65" data-astro-cid-fdy5zvyj></line></svg><input type="text" class="search-input" id="search-input" placeholder="输入模型、提供商、智能体或基准测试…" aria-label="输入模型、提供商、智能体或基准测试…" autocomplete="off" spellcheck="false" data-astro-cid-fdy5zvyj><button type="button" class="cmd-badge cmd-close-btn" id="search-close-btn" aria-label="关闭搜索" data-astro-cid-fdy5zvyj><span class="cmd-badge-esc" data-astro-cid-fdy5zvyj>ESC</span><span class="cmd-badge-close" data-astro-cid-fdy5zvyj>✕</span></button></div><div class="aa-cmd-quick-links" data-astro-cid-fdy5zvyj><span class="quick-title" data-astro-cid-fdy5zvyj>快速跳转：</span><a href="/zh/agents" class="quick-tag" data-astro-cid-fdy5zvyj><svg xmlns="http://www.w3.org/2000/svg" width="12" height="12" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round" stroke-linejoin="round" class="ui-icon" aria-hidden="true" data-astro-cid-72t3zrz5><rect x="3" y="11" width="18" height="10" rx="2"/><circle cx="12" cy="5" r="2"/><path d="M12 7v4M8 15h.01M16 15h.01M9 18h6"/></svg> AI 智能体</a><a href="/zh/leaderboard" class="quick-tag" data-astro-cid-fdy5zvyj><svg xmlns="http://www.w3.org/2000/svg" width="12" height="12" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round" stroke-linejoin="round" class="ui-icon" aria-hidden="true" data-astro-cid-72t3zrz5><path d="M6 9H4.5a2.5 2.5 0 0 1 0-5H6M18 9h1.5a2.5 2.5 0 0 0 0-5H18M4 22h16M10 14.66V17c0 .55-.45 1-1 1H7M14 14.66V17c0 .55.45 1 1 1h2M18 2H6v7a6 6 0 0 0 12 0V2z"/></svg> 排行榜</a><a href="/zh/leaderboard/coding" class="quick-tag" data-astro-cid-fdy5zvyj><svg xmlns="http://www.w3.org/2000/svg" width="12" height="12" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round" stroke-linejoin="round" class="ui-icon" aria-hidden="true" data-astro-cid-72t3zrz5><polyline points="16 18 22 12 16 6"/><polyline points="8 6 2 12 8 18"/></svg> 编程与 SWE-Bench</a><a href="/zh/leaderboard/reasoning" class="quick-tag" data-astro-cid-fdy5zvyj><svg xmlns="http://www.w3.org/2000/svg" width="12" height="12" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round" stroke-linejoin="round" class="ui-icon" aria-hidden="true" data-astro-cid-72t3zrz5><path d="M9.5 2A2.5 2.5 0 0 1 12 4.5v15a2.5 2.5 0 0 1-4.96.44 2.5 2.5 0 0 1-2.96-3.08 3 3 0 0 1-.34-5.58 2.5 2.5 0 0 1 1.32-4.24 2.5 2.5 0 0 1 4.44-2.04zM14.5 2A2.5 2.5 0 0 0 12 4.5v15a2.5 2.5 0 0 0 4.96.44 2.5 2.5 0 0 0 2.96-3.08 3 3 0 0 0 .34-5.58 2.5 2.5 0 0 0-1.32-4.24 2.5 2.5 0 0 0-4.44-2.04z"/></svg> 深度推理与数学</a><a href="/zh/models" class="quick-tag" data-astro-cid-fdy5zvyj><svg xmlns="http://www.w3.org/2000/svg" width="12" height="12" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round" stroke-linejoin="round" class="ui-icon" aria-hidden="true" data-astro-cid-72t3zrz5><line x1="16.5" y1="9.4" x2="7.5" y2="4.21"/><path d="M21 16V8a2 2 0 0 0-1-1.73l-7-4a2 2 0 0 0-2 0l-7 4A2 2 0 0 0 3 8v8a2 2 0 0 0 1 1.73l7 4a2 2 0 0 0 2 0l7-4A2 2 0 0 0 21 16z"/><polyline points="3.27 6.96 12 12.01 20.73 6.96"/><line x1="12" y1="22.08" x2="12" y2="12"/></svg> 模型列表</a><a href="/zh/recommender" class="quick-tag" data-astro-cid-fdy5zvyj><svg xmlns="http://www.w3.org/2000/svg" width="12" height="12" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round" stroke-linejoin="round" class="ui-icon" aria-hidden="true" data-astro-cid-72t3zrz5><circle cx="12" cy="12" r="10"/><circle cx="12" cy="12" r="6"/><circle cx="12" cy="12" r="2"/></svg> 选模型</a><a href="/zh/cost-per-task" class="quick-tag" data-astro-cid-fdy5zvyj><svg xmlns="http://www.w3.org/2000/svg" width="12" height="12" viewBox="0 0 24 24" fill="none" stroke="currentColor" stroke-width="2" stroke-linecap="round" stroke-linejoin="round" class="ui-icon" aria-hidden="true" data-astro-cid-72t3zrz5><line x1="12" y1="1" x2="12" y2="23"/><path d="M17 5H9.5a3.5 3.5 0 0 0 0 7h5a3.5 3.5 0 0 1 0 7H6"/></svg> 单任务成本</a></div><div class="search-results" id="search-results" data-astro-cid-fdy5zvyj></div></div></div><div id="aa-compare-dock" class="aa-compare-dock" aria-live="polite" inert data-compare-base="/zh/compare" data-tpl-add="已将 {name} 加入对比。" data-tpl-remove="已将 {name} 移出对比。" data-tpl-limit="最多同时对比 4 个模型。" data-tpl-clear="已清空对比列表。" data-count-label="个模型" data-astro-cid-zoo3qkdf><div class="dock-inner" data-astro-cid-zoo3qkdf><div class="dock-info" data-astro-cid-zoo3qkdf><div class="dock-badge" data-astro-cid-zoo3qkdf><span class="pulse-dot" data-astro-cid-zoo3qkdf></span><span id="dock-count" data-astro-cid-zoo3qkdf>0</span> / 4 <span class="dock-count-word" data-astro-cid-zoo3qkdf></span></div><div id="dock-chips" class="dock-chips" data-astro-cid-zoo3qkdf></div></div><div class="dock-actions" data-astro-cid-zoo3qkdf><button id="dock-clear-btn" class="dock-btn-clear" data-astro-cid-zoo3qkdf>清空</button><a id="dock-launch-btn" href="/zh/compare" class="dock-btn-launch" data-astro-cid-zoo3qkdf>立即对比 →</a></div></div><div id="dock-toast" class="dock-toast" role="status" data-astro-cid-zoo3qkdf></div></div><script>
(function () {
var STORAGE_KEY = 'llmpodium_compare_models';
function loadSavedModels() {
try {
var raw = localStorage.getItem(STORAGE_KEY);
return raw ? JSON.parse(raw) : [];
} catch (e) {
return [];
}
}
function persistModels(models) {
try {
localStorage.setItem(STORAGE_KEY, JSON.stringify(models));
} catch (e) {}
}
var selectedModels = loadSavedModels();
var toastTimer = null;
var lastCount = null;
function tpl(name, key) {
var dock = document.getElementById('aa-compare-dock');
var raw = dock ? dock.getAttribute(key) : '';
return raw ? raw.replace('{name}', name) : '';
}
function showToast(msg) {
var toast = document.getElementById('dock-toast');
if (!toast || !msg) return;
toast.textContent = msg;
toast.classList.add('visible');
clearTimeout(toastTimer);
toastTimer = setTimeout(function () {
toast.classList.remove('visible');
}, 2600);
}
function updateDock() {
var dock = document.getElementById('aa-compare-dock');
var countEl = document.getElementById('dock-count');
var chipsEl = document.getElementById('dock-chips');
var launchBtn = document.getElementById('dock-launch-btn');
if (!dock || !countEl || !chipsEl || !launchBtn) return;
countEl.textContent = String(selectedModels.length);
var headerCountEl = document.getElementById('nav-compare-count');
if (headerCountEl) {
headerCountEl.textContent = String(selectedModels.length);
headerCountEl.setAttribute('data-count', String(selectedModels.length));
/* subtle bump animation whenever the selection grows */
if (lastCount !== null && selectedModels.length > lastCount) {
headerCountEl.classList.remove('bump');
void headerCountEl.offsetWidth; /* restart the animation */
headerCountEl.classList.add('bump');
}
}
lastCount = selectedModels.length;
var countWord = dock.querySelector('.dock-count-word');
if (countWord) countWord.textContent = dock.getAttribute('data-count-label') || 'Models Selected';
if (selectedModels.length > 0) {
dock.classList.add('visible');
dock.removeAttribute('inert');
} else {
dock.classList.remove('visible');
dock.setAttribute('inert', '');
}
chipsEl.innerHTML = selectedModels
.map(function (m) {
return '<div class="dock-chip" data-slug="' + m.slug + '">' +
'<span>' + m.name + '</span>' +
'<button type="button" class="dock-chip-remove" data-remove="' + m.slug + '" aria-label="Remove ' + m.name.replace(/"/g, '"') + ' from comparison">×</button>' +
'</div>';
})
.join('');
var baseHref = dock.dataset.compareBase || '/compare';
launchBtn.setAttribute('href', baseHref + '?models=' + selectedModels.map(function (m) { return m.slug; }).join(','));
/* Update checkboxes state in table/cards */
document.querySelectorAll('[data-compare-slug]').forEach(function (btn) {
var slug = btn.getAttribute('data-compare-slug');
var isSel = selectedModels.some(function (m) { return m.slug === slug; });
btn.classList.toggle('selected', isSel);
});
/* Bind remove handlers */
chipsEl.querySelectorAll('.dock-chip-remove').forEach(function (btn) {
btn.addEventListener('click', function (e) {
e.stopPropagation();
var slug = btn.getAttribute('data-remove');
selectedModels = selectedModels.filter(function (m) { return m.slug !== slug; });
persistModels(selectedModels);
updateDock();
});
});
}
/* the inline script re-executes after every client-side navigation — bind the
delegated click handler exactly once to avoid duplicated toasts */
if (!window.__compareDockBound) {
window.__compareDockBound = true;
document.addEventListener('click', function (e) {
var btn = e.target.closest('[data-compare-slug]');
if (!btn) return;
e.preventDefault();
var slug = btn.getAttribute('data-compare-slug');
var name = btn.getAttribute('data-compare-name') || slug;
var exists = selectedModels.some(function (m) { return m.slug === slug; });
if (exists) {
selectedModels = selectedModels.filter(function (m) { return m.slug !== slug; });
showToast(tpl(name, 'data-tpl-remove'));
} else {
if (selectedModels.length >= 4) {
showToast(tpl('', 'data-tpl-limit'));
return;
}
selectedModels.push({ slug: slug, name: name });
showToast(tpl(name, 'data-tpl-add'));
}
persistModels(selectedModels);
updateDock();
});
}
document.addEventListener('astro:page-load', function () {
selectedModels = loadSavedModels();
lastCount = null;
var clearBtn = document.getElementById('dock-clear-btn');
if (clearBtn && !clearBtn.dataset.bound) {
clearBtn.dataset.bound = '1';
clearBtn.addEventListener('click', function () {
selectedModels = [];
persistModels(selectedModels);
updateDock();
showToast(tpl('', 'data-tpl-clear'));
});
}
updateDock();
});
})();
</script><div id="consent-banner" class="consent-banner" role="region" aria-label="我们尊重你的隐私" hidden data-astro-cid-u6s5b3h2><div class="consent-inner" data-astro-cid-u6s5b3h2><div class="consent-copy" data-astro-cid-u6s5b3h2><strong data-astro-cid-u6s5b3h2>我们尊重你的隐私</strong><p data-astro-cid-u6s5b3h2>我们使用分析类 Cookie 来了解排行榜的使用情况。你可以接受或拒绝 — 无论哪种方式网站功能都完整可用。</p></div><div class="consent-actions" data-astro-cid-u6s5b3h2><button type="button" class="consent-btn primary" id="consent-accept" data-astro-cid-u6s5b3h2>全部接受</button><button type="button" class="consent-btn ghost" id="consent-decline" data-astro-cid-u6s5b3h2>拒绝</button><a class="consent-more" href="/privacy" data-astro-cid-u6s5b3h2>隐私政策</a></div></div></div><script>
(function () {
var CONSENT_KEY = 'llmpodium-consent';
function readConsent() {
try { return localStorage.getItem(CONSENT_KEY); } catch (e) { return null; }
}
function showBanner() {
var banner = document.getElementById('consent-banner');
if (banner) banner.hidden = false;
}
function hideBanner() {
var banner = document.getElementById('consent-banner');
if (banner) banner.hidden = true;
}
function choose(value) {
try { localStorage.setItem(CONSENT_KEY, value); } catch (e) {}
window.llmpodiumConsent = value;
hideBanner();
if (value === 'granted' && typeof window.llmpodiumLoadAnalytics === 'function') {
window.llmpodiumLoadAnalytics();
}
}
/* inline scripts re-run after every client-side navigation — guard against
stacking duplicate document-level listeners */
if (!window.__llmpodiumConsentBound) {
window.__llmpodiumConsentBound = true;
document.addEventListener('click', function (e) {
var t = e.target.closest('#consent-accept, #consent-decline, #cookie-settings-btn');
if (!t) return;
if (t.id === 'consent-accept') choose('granted');
else if (t.id === 'consent-decline') choose('denied');
else showBanner();
});
document.addEventListener('astro:page-load', function () {
if (!readConsent()) showBanner();
});
if (!readConsent()) showBanner();
}
/* expose for footer "Cookie settings" re-open */
window.llmpodiumOpenConsent = showBanner;
})();
</script><div id="route-announcer" class="sr-only" role="status" aria-live="polite" aria-atomic="true"></div><script type="module" src="/_astro/Base.astro_astro_type_script_index_0_lang.CCY_hx3h.js"></script></body></html>