search.sh

search.sh

免费增值Web
访问官网

search.sh 是一款面向人类与 AI 智能体的答案引擎,提供带引用来源、图片和地点的清晰答案,并支持开发者 API 调用。

search.sh访问官网

详细介绍

工具简介

search.sh 是由 ROGA AI 打造的一款新型答案引擎(Answer Engine),其核心理念是「为人类与 AI 智能体同时服务」。与传统的搜索引擎只返回一串蓝色链接不同,search.sh 会直接在上方给出一个经过综合提炼、并附带引用来源的答案,同时把来源网站、相关图片和地点信息放在一键可达的位置。官网首页的标语非常直白:「What do you want to know?」(你想知道什么?),并强调答案是「clear, cited answers with sources, images, and places」——清晰、有引用、带来源、图片与地点。

从产品定位来看,search.sh 属于当前快速兴起的 AI 搜索引擎 / 答案引擎赛道。它试图解决两个痛点:一是普通用户在信息过载时代希望「直接得到答案」而非「自己翻十个网页」;二是随着 AI Agent(智能体)大量出现,机器也需要一个结构化、可编程的搜索接口来获取可信信息。search.sh 同时提供了面向普通用户的网页界面和面向开发者的 API,这在同类产品中是一个比较鲜明的差异点。

根据官网展示的示例,当用户搜索「2026 年最好的意式浓缩咖啡机」时,search.sh 在 1.4 秒内就给出了答案,推荐了 Breville Barista Express Impress 作为综合最佳选择,并分别指出 Lelit Bianca V3 适合发烧友、De'Longhi La Specialista Maestro 在自动化与品质之间取得平衡,答案中标注了 1、2、3 等引用序号,下方列出了 wirecutter.com、seriouseats.com、breville.com、delonghi.com、home-barista.com、lelitusa.com 等来源的图标。这个例子很好地体现了产品「Answers, not links」(要答案,不要链接)的设计哲学。

值得一提的是,search.sh 的域名后缀是 .sh,这既是国家顶级域名(圣赫勒拿),也常被技术社区用来表示「shell」,暗示其面向开发者和命令行/API 场景的取向。官网也确实提供了 skill.md 文档、API Key 申请入口和 Dashboard 控制台,开发者可以通过一个 POST 请求获取结构化的 JSON 结果。

 

主要功能

1. 答案式搜索(Answers, not links)

这是 search.sh 最核心的能力。用户输入自然语言问题后,系统不会只给出一堆网页链接,而是先综合多个来源生成一段带引用的答案,答案中的关键结论会标注数字引用,鼠标悬停或点击即可查看对应来源。答案下方还会聚合展示来源网站图标、相关图片以及地点信息(当查询涉及本地服务时,例如「柏林附近适合两位成人的 SPA」这类查询)。这种呈现方式大幅降低了用户筛选信息的成本。

2. 深度研究模式(Deep Research)

search.sh 提供 fast(快速)和 deep(深度)两种模式。在深度模式下,系统会自动生成子查询(sub-queries)、并行执行多次搜索,并提取网页正文内容进行交叉比对,从而给出更全面、更可靠的答案。官网明确写道:「Generates sub-queries, searches in parallel, and extracts page content to cross-reference.」这意味着它具备一定的多步推理与信息整合能力,适合需要严谨结论的研究型查询。

3. 面向 AI 智能体的 API

search.sh 明确「Built for agents too」(也为智能体而生)。开发者通过一个 API 端点即可获得结构化 JSON,其中包含:AI 综合答案(answer)、排序后的来源(sources)、引用(citations)、置信度(confidence)以及相关查询(related queries)。接口支持 fast 与 deep 两种模式,并可通过 SSE(Server-Sent Events)进行流式传输,还支持页面内容提取。这使 search.sh 可以被集成进各种 AI Agent、RAG 应用或自动化工作流中,作为「联网检索」的基础设施。

4. 多模态结果聚合

除了文字答案,search.sh 还会把图片和地点(places)信息一并呈现。对于旅行规划、本地生活服务、产品选购等场景,这种多模态聚合能显著提升信息的可用性。官网示例中的「3 天东京行程」「柏林附近的 SPA」等查询就体现了地点与行程类信息的整合能力。

5. 开发者控制台与文档

search.sh 提供 Dashboard 用于管理 API Key,并提供 skill.md 文档说明如何接入。官网给出了清晰的 cURL 示例:向 https://search.sh/api/search 发送 POST 请求,携带 Bearer Token 和 JSON 请求体(包含 query 与 mode 字段),即可获得结果。这种简洁的接口设计降低了开发者的接入门槛。

 

使用方法

普通用户

  1. 打开浏览器访问 https://search.sh。
  2. 在首页输入框中用自然语言输入你的问题,例如「2026 年最好的浓缩咖啡机」。
  3. 根据需要选择 fast 或 deep 模式(deep 模式会更慢但更全面)。
  4. 查看顶部综合答案,点击引用序号可跳转来源,下方可查看图片、地图与来源列表。

开发者 / AI 智能体

  1. 访问 Dashboard 申请 API Key(格式形如 sk-sh_...)。
  2. 阅读 skill.md 了解接口规范。
  3. 向 POST https://search.sh/api/search 发送请求,请求体包含 query 和 mode(fast/deep)。
  4. 解析返回的 JSON,获取 answer、sources、citations、confidence 等字段;如需流式输出可使用 SSE。

 

产品优势

  • 答案直接可用:综合提炼并带引用,省去逐页浏览的时间。
  • 速度表现突出:官网示例显示复杂查询可在约 1.4 秒内返回答案。
  • 人机双用:同一套引擎既服务普通用户,也通过 API 服务 AI Agent,定位清晰。
  • 结构化输出:JSON 包含置信度与相关查询,便于程序化处理与二次开发。
  • 多模态聚合:答案、来源、图片、地点一体化呈现。

 

应用场景

  • 日常知识查询:产品选购、旅行规划、生活服务等需要快速结论的场景。
  • 研究与交叉验证:deep 模式适合需要多来源比对的调研任务。
  • AI Agent 联网检索:为智能体提供可信、可引用的实时信息源。
  • RAG 应用:作为检索层,为问答系统提供带引用的上下文。

 

价格与获取

目前 search.sh 官网未公开明确的定价页面,价格模式尚不明确(UNKNOWN)。开发者可通过 Dashboard 申请 API Key,具体额度与收费策略建议以官网最新说明为准。

核心功能

1
答案式搜索
输入自然语言问题后,直接返回综合提炼的答案而非链接列表,答案中的关键结论带有数字引用,可一键查看来源,大幅降低信息筛选成本。
2
深度研究模式
deep 模式会自动生成子查询、并行执行多次搜索并提取网页正文进行交叉比对,适合需要严谨结论的研究型查询,输出更全面可靠。
3
开发者 API
通过单一 POST 端点返回结构化 JSON,包含答案、排序来源、引用、置信度与相关查询,支持 fast/deep 模式及 SSE 流式传输,便于集成到 AI Agent 与 RAG 应用。
4
多模态结果聚合
除文字答案外,还聚合展示来源网站图标、相关图片与地点信息,对旅行规划、本地生活、产品选购等场景尤为实用。
5
快速响应
官网示例显示复杂查询可在约 1.4 秒内返回答案,兼顾速度与信息密度,适合高频日常查询。
6
开发者控制台与文档
提供 Dashboard 管理 API Key,并提供 skill.md 文档与 cURL 示例,接口设计简洁,降低开发者接入门槛。

优缺点分析

优点
+答案直接可用,附带引用来源,省去逐页浏览的时间
+人机双用定位清晰,同一引擎同时服务普通用户与 AI Agent
+API 返回结构化 JSON,含置信度与相关查询,便于程序化处理
+多模态聚合答案、来源、图片与地点,信息呈现丰富
缺点
-官网未公开明确的价格与额度信息,商业化策略不透明
-作为较新的产品,中文内容生态与本地化支持尚待观察

适用人群

追求高效获取答案的普通信息检索用户需要联网检索能力的 AI Agent 开发者构建 RAG 问答系统的技术团队需要多来源交叉验证的研究与调研人员

常见问题

Q: search.sh 和传统搜索引擎有什么区别?
传统搜索引擎返回的是网页链接列表,用户需要自己逐个点开筛选;search.sh 属于答案引擎,会先综合多个来源生成一段带引用的答案,并把来源、图片和地点放在一键可达的位置。官网将其概括为「Answers, not links」,目标是让用户直接得到结论而非自己翻网页。
Q: search.sh 的 fast 和 deep 模式有什么不同?
fast 模式追求速度,适合日常快速查询;deep 模式即深度研究,会自动生成子查询、并行执行多次搜索并提取网页正文进行交叉比对,从而给出更全面可靠的答案,但耗时相对更长。开发者调用 API 时也可通过 mode 字段指定模式。
Q: 开发者如何接入 search.sh 的 API?
开发者需先在 Dashboard 申请 API Key(形如 sk-sh_...),然后向 https://search.sh/api/search 发送 POST 请求,请求体包含 query 与 mode 字段,并携带 Bearer Token 认证。返回的 JSON 包含答案、来源、引用、置信度与相关查询,需要流式输出时可使用 SSE。详细规范可参考官网的 skill.md。
Q: search.sh 是免费的吗?
目前官网未公开明确的定价页面,价格模式尚不明确。开发者可通过 Dashboard 申请 API Key 进行体验,具体额度、收费与商用条款建议以官网最新说明为准。
Q: search.sh 适合哪些使用场景?
它适合日常知识查询(如产品选购、旅行规划)、需要多来源交叉验证的研究调研、为 AI Agent 提供联网检索能力,以及作为 RAG 应用的检索层。官网示例中展示了咖啡机选购、东京行程规划、柏林 SPA 推荐等典型场景。