Agent 的眼睛与手：DeepSeek 自研搜索接口精读

DeepSeek 上线了两个原始 JSON 接口：Search（自研搜索引擎）与 Fetch（网页转 Markdown）。读完文档再对照自己接搜索代理的踩坑史，我的结论是：这套接口的价值不在单次搜索质量，而在于字段语义、计费规则和输出格式三件事，全都是按"模型直接消费"设计的。

一、先说结论：这是给 Agent 用的，不是给人用的

普通搜索 API 的结果字段是给人看的：标题、链接、摘要，完事。DeepSeek 这套的结果字段分成两组，文档自己写明了用途——

• snippet：100～200 字符，"适用于前端展现"（给人）
• summary：600～800 字符，"适用于给模型阅读"（给模型）

同一份结果里预备了两种摘要，这是把"人看的一屏"和"模型读的 context"当作两个不同的渲染目标来设计的。除此之外还有两个带判定线的质量字段：

• rerank_score：0～3 分，"大于等于 1.5 为优质结果"
• authority：0～4，"大于等于 3 为极权威结果"

别小看这两条判定线。自己写搜索代理时，最费劲的一步是"哪些结果值得塞进 context、哪些该扔"。通常的做法是拿模型再筛一遍，多一轮调用、多一份延迟。现在接口直接把排序分和权威性拍在结果里，还给了阈值——筛选这一步可以退化成一行 if。

另一个很 Agent 化的细节：请求里有个可选的 ori_question 字段，说明是"触发搜索的用户原始问题"。搜索词是压缩后的，原始问题才是完整意图——接口愿意多收一份上下文来对齐意图，这个姿态是给程序化调用方准备的。

二、计费规则：对 Agent 友好到罕见

原文只有两行，值得抄进来：

只有返回 HTTP 200 且产生结果的请求才会计费（Search 的 results 必须非空，Fetch 必须返回网页正文）。请求失败、搜索无结果或超时不计费。

这是按成功计费。对比 Bing/Google 那类"请求发出就扣钱"的模式，对自动化场景是天壤之别：

• Agent 可以做试探式搜索——先粗搜确认有没有货，空结果不花钱，命中了再深读；
• 429 限流、5xx、超时都可以无脑重试，不产生成本；
• 按次计费、count 不影响单价，意味着一次请求拉满 count=50 不比 count=5 贵。

价格本身也摆出了姿态：Search 与 Fetch 都是 5 元 / 1000 次成功请求，一次半分钱。对照 Bing API 约 3 美元/千次、Tavily 约 8 美元/千次的量级，这是把定价定到了"可以随便用"的水平。

三、Search 与 Fetch：发现与深读的分工

两个接口是成对设计的：

• Search 负责发现——按 query 找出哪些 URL 值得读；
• Fetch 负责深读——抓单页，直接返回 Markdown 正文。

有意思的是 Search 自带 need_content 开关：为 true 时结果里直接带回网页正文，不加价。于是可以按成本分层调用：

1. 第一层：need_content=false，只拿 summary 判断相关性（最便宜）；
2. 第二层：对值得读的少数结果 need_content=true 或单独 Fetch 拿全文；
3. Fetch 拿到的就是干净 Markdown，省掉 trafilatura/readability 那一层 HTML 清洗。

对一个自建 RAG 或 agent 工具链来说，"网页 → 可直接入库的结构化正文"这个转换器通常是脏活重灾区，现在被接口包掉了。

四、搜索语法直接透传

query 支持一组操作符，原样传给搜索服务：

操作符	作用
site: / -site:	限定 / 排除站点（多站点用 OR 连接）
"…" / - / -“…”	精确短语 / 排除词 / 排除短语
lang:zh,en	语言过滤
after: / before:	时间窗（日期或年份）

单看平平无奇，组合起来是自建 RAG 里最值钱的能力——收窄召回。例如盯一个产品动态：

{"query": "DeepSeek 模型 site:github.com OR site:huggingface.co lang:zh after:2025", "count": 10}  

站点、语言、时间窗一次限死，回来基本都是可用的。以前这类过滤要么靠模型二次筛，要么靠自建代理预过滤，现在查询里写一句话的事。

五、自研引擎意味着什么

文档里"该接口由 DeepSeek 自研搜索引擎提供支持"这句轻描淡写，实际分量不轻。

给 Agent 挂搜索的既往做法，是在 Bing API、Serper、Tavily 这类中间层里挑一个。自研引擎意味着三件事：

1. 排序策略自己定——rerank_score 和 authority 这两个自家口径，后续会随模型生态一起迭代；
2. 中文内容覆盖值得期待——自研引擎通常对本土内容池更上心；
3. 不再有第三方依赖的断供风险。

反过来说，最大的未知数也在自研：英文与技术长尾站点的覆盖质量需要实测。中文技术圈讨论热、权威站收录好，我预期表现不错；但小众英文文档站能不能被召回，得跑了才知道。

六、成本账，和一个埋得很深的日期

成本前面算过：半分钱一次，一天搜 100 次五毛钱。对个人用户等于免费。

但文档结尾有一句很容易被划过去的话，值得圈出来：

当前用户在 DeepSeek Harness / Claude Code / Codex 中通过 Server 端工具调用访问的 Search/Fetch 接口目前未计费，将于 2026-11-01 00:00 起按次收取调用费用。

也就是说：现在在各类 agent harness 里"免费联网"的那部分调用，两周后开始走账——半分钱一次，日常无感，但如果哪天写了个循环搜索的自动化任务，记得它是会计费的。QPS 5 的上限 × 按次计费，这两个数放在一起，就是在提醒：这是给 Agent 用的水龙头，不是给爬虫用的消防栓。

七、能做什么：几个立刻能落的场景

写作：选题期用 Search 找一手信源（after: 限近期、site: 限权威站），Fetch 抓全文转 Markdown，顺手丢进知识库归档。信息面比单一社区搜索宽得多。

Agent 工具链：包成一个几十行的 skill / MCP server，让会话里的 agent 天生带"搜索 + 抓全文"。现有搜索链路里绕得最远的那一层（多轮循环、结果清洗）可以整段退役。

监控：定时任务跑 Search（after: 限定当天），命中关键词推微信——盯产品发布、CVE、政策文件都行。空结果不计费，天天跑也不心疼。

数据交叉验证：authority ≥ 3 的当权威源、低分的当参考源，自动化报告按分级引用，避免"把论坛帖当公告"。

八、几个坑，提前记下

1. QPS 5 是账号级，与 API Key 无关、与模型并发独立。多个 agent 并行搜索会互相挤，需要客户端自己排队。
2. Fetch 另有目标域名级限速——批量抓同一个站会撞 429，这是防爬虫的姿态，别硬刚。
3. 404 不计费但不可盲目重试：URL 挂了、被站点策略拦、页面没有可提取正文，都归 404。重试前先确认是不是请求本身的问题。
4. localization 传的是 IP 地址用于本地化排序，国内场景基本用不上，做区域性监控时才有价值。
5. 文档明确"请求体中的未知字段会被忽略"——向前兼容做得体面，但也意味着传错字段名不会报错，调试时别指望它帮你发现手误。

结语

这套接口的本质，是把"联网"从 Agent 的外挂变成模型厂商的原生能力，并且把三件事一次做齐：字段语义按模型消费设计、计费对失败友好、输出 Markdown 直出。

接它的边际成本趋近于零——一个函数、一次 POST。真正值得花时间的是想清楚把它接在哪：是替换现有搜索链路里最绕的那一层，还是先做成一个低成本的旁路通道跑两周对比质量。我的建议是后者：11 月 1 日计费切换是个天然的对比窗口，切换前后各跑一段时间，用真实查询测出它的中文覆盖与长尾召回，再决定要不要把主力搜索迁过去。