Sibyl

由 AI 驱动的深度研究代理。 提出任何问题——Sibyl 将跨多个来源搜索网络、阅读数十个页面、交叉验证研究结果，并生成一份具备分析、预测和引用的高管级研究报告。

Sibyl 不仅仅是一个搜索摘要工具。它是一个研究分析平台——它能进行结构化对比、SWOT 分析、Google Trends 追踪、事件时间线梳理以及财务数据可视化。所有这些只需一个问题即可完成。

Sibyl 的独特之处

	传统搜索	ChatGPT/Perplexity	GPT Researcher	Sibyl
网络搜索 + 摘要	是	是	是	是
多源（新闻、Reddit、Wikipedia）	否	部分	部分	是（4 个引擎）
子问题分解	否	否	是	是
迭代式填补空白（搜索 → 分析 → 识别空白 → 再次搜索）	否	否	部分	是
跨来源分析（情感、共识、分歧）	否	否	否	是
结构化对比表	否	否	否	是
SWOT 分析	否	否	否	是
Google Trends 数据	否	否	否	是
事件时间线	否	否	否	是
财务数据 + 图表	否	否	否	是
MCP 服务器（Claude Code, Cursor）	否	否	否	是
多模型支持（DeepSeek, Gemini, GLM, OpenAI）	否	否	有限	是（自动检测）
带有嵌入图表的 PDF 报告	否	否	基础	是

快速入门

MCP 服务器（适用于 Claude Code / Cursor）

pip install sibyl-research
claude mcp add sibyl -e DEEPSEEK_API_KEY=sk-... -- sibyl-mcp

然后在 Claude Code 中输入：

"Research the impact of AI on software engineering jobs over the next 5 years"

"Compare NVIDIA vs AMD vs Intel for AI workloads"

"SWOT analysis of Tesla in 2026"

CLI

pip install sibyl-research
export DEEPSEEK_API_KEY=sk-...   # or OPENAI_API_KEY, GEMINI_API_KEY, etc.

# Standard research
sibyl "Canadian housing market outlook 2026"

# Deep research with predictions + market data + PDF
sibyl "Will NVIDIA maintain AI chip dominance?" -d 3 --symbols NVDA,AMD,INTC --pdf

# Chinese output
sibyl "加拿大移民政策变化" -l zh --pdf -o reports/

工作原理

You ask a question
  │
  ├─ Step 1: Decompose into 3-5 focused sub-questions
  ├─ Step 2: Generate 15-20 diverse search queries
  ├─ Step 3: Search across 4 engines (DuckDuckGo, Google News, Reddit, Wikipedia)
  ├─ Step 4: Scrape 15-20 sources (realistic browser headers, retry, Google Cache fallback)
  ├─ Step 5: Filter sources by relevance (LLM-scored)
  ├─ Step 6: Analyze each sub-question independently
  ├─ Step 7: Identify knowledge gaps → auto-search for missing info
  ├─ Step 8: Cross-reference sources (sentiment, consensus, disagreements)
  ├─ Step 9: Section-by-section synthesis (Summary, Findings, Analysis, Predictions)
  ├─ Step 10: Review and refine draft
  └─ Output: PDF/Markdown report with Table of Contents, citations, charts

研究工具（11 个 MCP 工具）

核心研究

工具	功能
`research(query, depth, language)`	完整研究周期：搜索 → 抓取 → 分析 → 报告。深度 1-3。
`quick_search(query)`	快速网络搜索，返回原始结果
`read_url(url)`	从任何 URL 提取纯文本
`analyze(text, question)`	使用 LLM 分析提供的文本

分析工具（Sibyl 独有）

工具	功能
`compare(items)`	带有指标和建议的结构化并排对比表
`swot(subject)`	带有证据的优势/劣势/机会/威胁分析
`trends(keywords)`	真实的 Google Trends 数据：兴趣水平、趋势方向、上升搜索
`timeline(topic)`	带有日期和影响评估的按时间顺序排列的事件表

财务数据

工具	功能
`fetch_market_data(symbols)`	实时股票/ETF 价格、趋势、移动平均线、52 周区间
`chart(symbols)`	生成价格趋势图（PNG）

输出

工具	功能
`save_report(format)`	保存为 PDF（含嵌入图表）和/或 Markdown

研究深度

深度	过程	LLM 调用	时间
1 (快速)	2-3 个搜索查询，基础综合	~3	20-30秒
2 (标准)	子问题分解、分项分析、交叉引用、审查	~10	60-90秒
3 (深度)	+ 知识空白填补、牛市/熊市/基准预测、置信度评分	~13	90-120秒

多提供商支持

Sibyl 适用于任何 LLM。通过环境变量自动检测：

提供商	环境变量	模型
DeepSeek	`DEEPSEEK_API_KEY`	`deepseek/deepseek-chat`
OpenAI	`OPENAI_API_KEY`	`gpt-4o-mini`
Anthropic	`ANTHROPIC_API_KEY`	`claude-sonnet-4-20250514`
Gemini	`GEMINI_API_KEY`	`gemini/gemini-2.5-flash`
GLM (智谱AI)	`ZHIPUAI_API_KEY`	`glm-4-flash`

或者配置多个具有角色的提供商：

# sibyl.yaml
providers:
  - model: deepseek/deepseek-chat
    api_key: sk-xxx
    role: analysis

  - model: gemini/gemini-2.5-flash
    api_key: xxx
    role: fast

  - model: openai/glm-4-flash
    api_key: xxx
    api_base: https://open.bigmodel.cn/api/paas/v4
    role: chinese

报告示例

Sibyl 生成的关于热门话题的报告：

2026-2027 年美联储利率展望 — 5 页，12 项发现，6 个来源，分析“长期高利率”与“稳步宽松”的辩论
2026 年特朗普关税对贸易的影响 — 5 页，10 项发现，4 个来源，与斯穆特-霍利关税法的历史对比，对 AI 劳动力流失的二阶效应
2026 年 AI 行业格局 — 市场规模（5380 亿美元），投资趋势（2.9 万亿美元基础设施），监管前景，附带 NVDA/GOOGL/META 股票图表

要求

Python 3.10+
至少一个 LLM API 密钥
无需其他 API 密钥（所有搜索引擎均为免费）

许可证

MIT

Sibyl

Sibyl

Sibyl 的独特之处

快速入门

MCP 服务器（适用于 Claude Code / Cursor）

CLI

工作原理

研究工具（11 个 MCP 工具）

核心研究

分析工具（Sibyl 独有）

财务数据

输出

研究深度

多提供商支持

报告示例

要求

许可证

Resources

Tools

Latest Blog Posts

MCP directory API