【免费下载链接】modsearch The strongest free web search plugin for DeepSeek Harness, and the search bridge for every model without native web access. Free, no signup, no API key. Ask the web or X, get structured JSON evidence. | 全网最强的 DeepSeek Harness 免费联网搜索插件免费免注册免 API key。为不能联网的模型补上搜索问网页或 X拿回结构化 JSON 证据搜索、抓取、引用。项目地址https://gitcode.com/gh_mirrors/mo/modsearch点击查看免费下载ModSearch 是一款免费的 AI 联网搜索与网页抓取插件专为 Codex、Claude Code 等编码工具设计免注册、免 API key。把它接入 Codex不只是让模型能联网更是换一种方式喂数据整页网页内容不再塞进模型上下文取而代之的是一份几百 token 的结构化 JSON 证据。搜索密集的任务一次回答就能省下约 3 万个 token。1. Codex 里搜索为什么会吃爆上下文 Codex 连上 DeepSeek 官方端点后本身就有服务端内置的web_search工具搜索能力不缺。但代价藏在细节里内置搜索把整页网页内容直接塞进模型上下文——导航栏、广告、样板文字一概照收。官方文档里有一笔很直观的账一次搜索密集的回答实测约30,000 token而同样信息量的结构化证据只要几百 token。模型真正需要的往往只是几个关键事实加来源链接。剩下那两万九千多个 token全是上下文里的无效负载挤占对话空间、推高 token 费用、拖慢多轮任务。ModSearch 的思路是网页内容在进上下文之前先被压缩成一份固定的 JSON 信封。2. ModSearch 的结构化证据长什么样 每次搜索或抓取返回的都是同一个固定结构的 JSON字段各司其职字段作用summary综合多条来源的综述模型可直接基于它推理items[]候选来源列表每条只有title、url、snippetuncertainty引擎对事实本身存疑的地方空缺、矛盾、可能过期warnings/attempts答案怎么产生的谁作答、换过几次引擎完整字段说明见输出契约文档output-schema.zh-CN.md。在长对话里做数学就清楚了搜索 5 次上下文只多几百 token 的量级而不是每次多三万个。多轮查证、跑长任务的场景差距会越拉越大。3. ModSearch 接入 Codex 的完整步骤3.1 第一步把 skill 装进 CodexCodex 从~/.codex/skills/目录读取 skill装好即可用git clone --depth 1 https://gitcode.com/gh_mirrors/mo/modsearch cp -R modsearch/skills/modsearch ~/.codex/skills/装完之后不需要记任何命令正常聊天问一个需要查证的问题或贴一个链接skill 就会自动触发选引擎、跑搜索、带来源回来。skill 的触发条件写在 SKILL.md 里。3.2 第二步关闭内置搜索最关键的一步Codex 默认会先伸手够内置的web_searchskill 永远轮不上。在~/.codex/config.toml里加一行web_search disabled这一步的原理和更多细节见宿主接入文档harness-setup.zh-CN.md。3.3 第三步体检验证bash ~/.codex/skills/modsearch/scripts/run.sh doctordoctor不发网络请求、不花额度会逐项报告搜索、抓取、X 三条任务线的引擎就绪状态。默认引擎是 Firecrawl 的免注册通道每月 1,000 免费 credits搜索和抓取装完就能跑配置 key 只是可选的进阶项。4. 实测演示几百 token 换一份带来源的答案4.1 网页搜索36 秒返回六条带来源的新闻只问一句「看看今天有啥有趣的 AI 新鲜事」Codex 触发 ModSearch 搜索36 秒返回六条带来源的结果。注意结尾那段提醒——哪些信息来自检索聚合、细节可能有出入——它就来自uncertainty字段可信度边界是结构化输出的一部分。4.2 单页抓取25 秒还一份博客结构化摘要贴一个博客链接问「这篇文章说的什么」。ModSearch 抓取页面、剥离导航和广告、保留正文结构连同 summary、外链和不确定项一起返回。全程没打开浏览器上下文里增加的只是一份几百 token 的摘要而不是一整页原文。5. 省 token 的账本30 秒看懂 方案进上下文的东西量级Codex 内置web_search整页网页内容一次搜索密集回答约 30,000 tokenModSearch 结构化证据summaryitems[] 可信度备注几百 token对单轮问答这点差距可能无所谓但长会话、多轮查证、连续抓取多个页面的工作流里上下文省下来的每一部分都直接变成更长的续航和更低的费用。6. 文档索引宿主接入Codex、dsh、Claude Code、OpenCode、Pidocs/harness-setup.zh-CN.md输出契约JSON 字段完整说明skills/modsearch/references/output-schema.zh-CN.mdCLI 手册参数、配置与体检skills/modsearch/references/cli.zh-CN.md故障排查docs/troubleshooting.zh-CN.md赞分享【免费下载链接】modsearch The strongest free web search plugin for DeepSeek Harness, and the search bridge for every model without native web access. Free, no signup, no API key. Ask the web or X, get structured JSON evidence. | 全网最强的 DeepSeek Harness 免费联网搜索插件免费免注册免 API key。为不能联网的模型补上搜索问网页或 X拿回结构化 JSON 证据搜索、抓取、引用。项目地址https://gitcode.com/gh_mirrors/mo/modsearch点击查看免费下载相关推荐百万亿 Token 跑三天钱是省在架构上还是省在调度上百万亿 Token 跑三天钱是省在架构上还是省在调度上 MiniMax M3.1 Flash 上线 72 小时官方口径处理量突破 100 万亿百万亿To人工智能大模型多模态基础模型代码模型本地部署40B 总参只激活 2.5BFlint 稀疏结构省下的到底是什么40B 总参只激活 2.5BFlint 稀疏结构省下的到底是什么 一篇 README、一个 BF16 三片 checkpoint、九个量化档位和一个 imat大模型人工智能代码模型模型量化本地部署图谱化为什么能把 Token 消耗打下来省钱原理拆解图谱化为什么能把 Token 消耗打下来省钱原理拆解 一、先说说让全网肉疼的Token 爆炸 最近 AI 编程圈有个词被反复刷屏—— Token 爆炸 。AI 技能人工智能RAG知识图谱开发工具创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
长河君 · 2026/10/29 2:36:25 · 阅读 1.2k 为什么ModSearch在Codex里是省上下文神器：结构化证据省下数万个token
【免费下载链接】modsearch The strongest free web search plugin for DeepSeek Harness, and the search bridge for every model without native web access. Free, no signup, no API key. Ask the web or X, get structured JSON evidence. | 全网最强的 DeepSeek Harness 免费联网搜索插件免费免注册免 API key。为不能联网的模型补上搜索问网页或 X拿回结构化 JSON 证据搜索、抓取、引用。项目地址https://gitcode.com/gh_mirrors/mo/modsearch点击查看免费下载ModSearch 是一款免费的 AI 联网搜索与网页抓取插件专为 Codex、Claude Code 等编码工具设计免注册、免 API key。把它接入 Codex不只是让模型能联网更是换一种方式喂数据整页网页内容不再塞进模型上下文取而代之的是一份几百 token 的结构化 JSON 证据。搜索密集的任务一次回答就能省下约 3 万个 token。1. Codex 里搜索为什么会吃爆上下文 Codex 连上 DeepSeek 官方端点后本身就有服务端内置的web_search工具搜索能力不缺。但代价藏在细节里内置搜索把整页网页内容直接塞进模型上下文——导航栏、广告、样板文字一概照收。官方文档里有一笔很直观的账一次搜索密集的回答实测约30,000 token而同样信息量的结构化证据只要几百 token。模型真正需要的往往只是几个关键事实加来源链接。剩下那两万九千多个 token全是上下文里的无效负载挤占对话空间、推高 token 费用、拖慢多轮任务。ModSearch 的思路是网页内容在进上下文之前先被压缩成一份固定的 JSON 信封。2. ModSearch 的结构化证据长什么样 每次搜索或抓取返回的都是同一个固定结构的 JSON字段各司其职字段作用summary综合多条来源的综述模型可直接基于它推理items[]候选来源列表每条只有title、url、snippetuncertainty引擎对事实本身存疑的地方空缺、矛盾、可能过期warnings/attempts答案怎么产生的谁作答、换过几次引擎完整字段说明见输出契约文档output-schema.zh-CN.md。在长对话里做数学就清楚了搜索 5 次上下文只多几百 token 的量级而不是每次多三万个。多轮查证、跑长任务的场景差距会越拉越大。3. ModSearch 接入 Codex 的完整步骤3.1 第一步把 skill 装进 CodexCodex 从~/.codex/skills/目录读取 skill装好即可用git clone --depth 1 https://gitcode.com/gh_mirrors/mo/modsearch cp -R modsearch/skills/modsearch ~/.codex/skills/装完之后不需要记任何命令正常聊天问一个需要查证的问题或贴一个链接skill 就会自动触发选引擎、跑搜索、带来源回来。skill 的触发条件写在 SKILL.md 里。3.2 第二步关闭内置搜索最关键的一步Codex 默认会先伸手够内置的web_searchskill 永远轮不上。在~/.codex/config.toml里加一行web_search disabled这一步的原理和更多细节见宿主接入文档harness-setup.zh-CN.md。3.3 第三步体检验证bash ~/.codex/skills/modsearch/scripts/run.sh doctordoctor不发网络请求、不花额度会逐项报告搜索、抓取、X 三条任务线的引擎就绪状态。默认引擎是 Firecrawl 的免注册通道每月 1,000 免费 credits搜索和抓取装完就能跑配置 key 只是可选的进阶项。4. 实测演示几百 token 换一份带来源的答案4.1 网页搜索36 秒返回六条带来源的新闻只问一句「看看今天有啥有趣的 AI 新鲜事」Codex 触发 ModSearch 搜索36 秒返回六条带来源的结果。注意结尾那段提醒——哪些信息来自检索聚合、细节可能有出入——它就来自uncertainty字段可信度边界是结构化输出的一部分。4.2 单页抓取25 秒还一份博客结构化摘要贴一个博客链接问「这篇文章说的什么」。ModSearch 抓取页面、剥离导航和广告、保留正文结构连同 summary、外链和不确定项一起返回。全程没打开浏览器上下文里增加的只是一份几百 token 的摘要而不是一整页原文。5. 省 token 的账本30 秒看懂 方案进上下文的东西量级Codex 内置web_search整页网页内容一次搜索密集回答约 30,000 tokenModSearch 结构化证据summaryitems[] 可信度备注几百 token对单轮问答这点差距可能无所谓但长会话、多轮查证、连续抓取多个页面的工作流里上下文省下来的每一部分都直接变成更长的续航和更低的费用。6. 文档索引宿主接入Codex、dsh、Claude Code、OpenCode、Pidocs/harness-setup.zh-CN.md输出契约JSON 字段完整说明skills/modsearch/references/output-schema.zh-CN.mdCLI 手册参数、配置与体检skills/modsearch/references/cli.zh-CN.md故障排查docs/troubleshooting.zh-CN.md赞分享【免费下载链接】modsearch The strongest free web search plugin for DeepSeek Harness, and the search bridge for every model without native web access. Free, no signup, no API key. Ask the web or X, get structured JSON evidence. | 全网最强的 DeepSeek Harness 免费联网搜索插件免费免注册免 API key。为不能联网的模型补上搜索问网页或 X拿回结构化 JSON 证据搜索、抓取、引用。项目地址https://gitcode.com/gh_mirrors/mo/modsearch点击查看免费下载相关推荐百万亿 Token 跑三天钱是省在架构上还是省在调度上百万亿 Token 跑三天钱是省在架构上还是省在调度上 MiniMax M3.1 Flash 上线 72 小时官方口径处理量突破 100 万亿百万亿To人工智能大模型多模态基础模型代码模型本地部署40B 总参只激活 2.5BFlint 稀疏结构省下的到底是什么40B 总参只激活 2.5BFlint 稀疏结构省下的到底是什么 一篇 README、一个 BF16 三片 checkpoint、九个量化档位和一个 imat大模型人工智能代码模型模型量化本地部署图谱化为什么能把 Token 消耗打下来省钱原理拆解图谱化为什么能把 Token 消耗打下来省钱原理拆解 一、先说说让全网肉疼的Token 爆炸 最近 AI 编程圈有个词被反复刷屏—— Token 爆炸 。AI 技能人工智能RAG知识图谱开发工具创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考