Mole : Agent de recherche approfondie avec budget imposé et citations vérifiées pour votre terminal
Mole est un agent de recherche approfondie qui fonctionne dans votre terminal. Il décompose une question, recherche sur le web, lit les sources, extrait les affirmations, vérifie chaque affirmation par rapport au texte dont elle provient, et rédige une réponse avec des citations. Contrairement aux agents conversationnels, il impose un budget strict, vérifie chaque affirmation et garde vos données locales privées.
Budget strict
Chaque appel de modèle est réservé par rapport à un budget avant d'être effectué et réglé après, à l'aide d'un registre avec des contraintes non négatives dans le schéma de la base de données. Le drapeau --usd 0.50 signifie que l'exécution s'arrête à cinquante cents. Le dépassement mesuré sur le corpus de test est de 0%.
Citations vérifiées
Chaque affirmation porte une citation qui apparaît textuellement dans la page source. Les affirmations qui ne réussissent pas ce contrôle sont écartées lors de l'extraction. Les affirmations survivantes peuvent être relues par rapport à leur source, et celles qui ne sont pas étayées sont signalées dans le rapport.
Confidentialité des données locales
Pointez mole vers un CSV ou un dossier, et il analyse les données sans que le contenu ne quitte votre machine. Le modèle choisit un modèle d'hypothèse et des noms de colonnes ; mole exécute le SQL localement. Seuls les agrégats (comptages, moyennes, résultats de tests, groupes couvrant au moins cinq enregistrements) sont autorisés à revenir. mole crossings montre exactement ce qui a quitté votre machine.
Installation
Installez via le script (Linux/macOS) :
curl -fsSL https://raw.githubusercontent.com/lajosdeme/mole/main/install.sh | shOu via Homebrew :
brew install lajosdeme/mole/moleArch Linux (AUR) : yay -S mole-research-bin ou mole-research. Debian/Ubuntu : téléchargez le .deb depuis la page des versions. Depuis les sources (Go 1.25+) : go install github.com/lajosdeme/mole/cmd/mole@latest.
Configuration
Vous avez besoin d'un fournisseur de recherche et d'un fournisseur de modèles. Les clés se trouvent dans ~/.config/mole/config.json avec le mode 0600 — jamais dans les variables d'environnement. Mole prend en charge la plupart des LLM, y compris les agents de codage, les abonnements et les modèles locaux.
Support MCP
Mole parle MCP, donc un agent de codage peut le piloter — soit en lui confiant une question et en collectant la réponse, soit en mode boîte à outils, où l'agent fait le raisonnement tandis que mole fournit les parties non liées au modèle.
C'est gratuit et open source, fonctionne comme un binaire statique unique sans dépendances d'exécution.
📖 Lire la source complète : HN AI Agents
👀 See Also

Mnemos : un serveur MCP pour la mémoire persistante de Claude Code
Mnemos est un serveur MCP open-source qui offre à Claude Code une mémoire persistante entre les sessions, en enregistrant les corrections sous forme de motifs structurés et en poussant un contexte classé au démarrage. Un seul binaire Go de 15 Mo, pas besoin de Docker ni de base vectorielle.

Présentation de OneTool MCP : un outil polyvalent open source pour les développeurs.
OneTool MCP, développé avec Claude IA, offre aux développeurs plus de 100 outils pour des tâches telles que les recherches web, les mises à jour de bibliothèques et la gestion de fichiers, sans taxe d'outil ni pourriture contextuelle.

Jobly : Marché de Contrats avec Résolution des Litiges par IA et Vote Communautaire en Priorité
Jobly est une place de marché de contrats construite avec Next.js 14, TypeScript et Supabase, dotée d'un système d'escrow avec des cautions de 10 % sur les propositions des prestataires et un pipeline de litige qui commence par une évaluation IA utilisant Claude, puis permet des appels à un vote communautaire avec mise.

TRELLIS.2 Image-to-3D Porté pour Fonctionner en Natif sur Apple Silicon
Un développeur a adapté le modèle TRELLIS.2 de Microsoft, qui génère des modèles 3D à partir d'images avec 4 milliards de paramètres, pour qu'il fonctionne nativement sur Apple Silicon via PyTorch MPS, en remplaçant les opérations spécifiques à CUDA par des alternatives purement PyTorch. Cette adaptation génère des maillages d'environ 400 000 sommets à partir de photos uniques en environ 3,5 minutes sur un M4 Pro avec 24 Go de mémoire.