mole — deep-research агент с enforced-бюджетом, проверкой цитат и приватной границей для локальных данных. Вы задаёте вопрос, mole раскладывает его на подзадачи, ищет в интернете, читает источники, извлекает утверждения, сверяет каждое с текстом, ищет противоречия и выдаёт ответ с цитатами. Каждый вызов модели резервируется до запуска и списывается после, так что лимит --usd 0.50 останавливает работу ровно на пятидесяти центах. Измеренный перерасход на тестовом корпусе — 0%. Утверждение, цитата которого не встречается дословно в источнике, отбрасывается ещё при извлечении. Выжившие можно перечитать, и если какое-то не подтвердилось, это помечается в отчёте, а не молча удаляется.
mole работает как один статический бинарник на вашей машине, использует ваши API-ключи и говорит по MCP — кодинг-агент может передать ему вопрос и забрать ответ, или включить toolkit mode, где рассуждения делает модель агента, а mole поставляет детерминированную часть: проверку цитат, сопоставление утверждений, SQL. Это удобно внутри Claude Code или Qwen Code на подписке, где токены уже оплачены.
Локальные данные остаются локальными. Можно указать mole на CSV или папку, и он проанализирует их без выгрузки содержимого: модель выбирает шаблон гипотезы и имена колонок, mole выполняет SQL, а наружу уходят только агрегаты — counts, means, test results и группы минимум из пяти записей. mole crossings показывает, что именно покинуло машину.
Установка — скриптом для Linux/macOS, через Homebrew, пакет из AUR (называется mole-research, потому что mole и mole-bin в AUR — это SSH-туннель с 2020 года), .deb или .rpm для Debian/Ubuntu, либо go install. Везде два статических бинарника без зависимостей, база — SQLite. Ключи лежат в ~/.config/mole/config.json с правами 0600. Поиск — Tavily или Brave, модели — Anthropic или любой OpenAI-совместимый endpoint: DeepSeek, Ollama, llama.cpp, vLLM. Локальная модель с localhost стоит ноль, но токены учитываются, так что --tokens ограничит и бесплатный запуск.
mole умеет собирать датасеты через --mode dataset, объединяя строки из разных источников по нечёткому ключу, и оценивать собственные запуски: mole eval показывает scorecard с метриками — budget overshoot 0%, claim integrity 100%, citation accuracy 100%, grounding rate 80%. Проект просит контрибьюторов проверять свои фиксы: откатить изменение и убедиться, что тест падает. Лицензия Apache-2.0.