melt 是一款以隐私为核心理念的本地深度研究 Agent Skill，旨在为用户提供类似 Perplexity 的 AI 研究体验，同时彻底杜绝数据追踪与云端依赖。该工具基于 SearXNG 元搜索引擎构建，完全运行于用户本地机器，通过 Docker 容器化部署实现真正的"零日志"搜索环境。
核心用法方面，melt 提供两级搜索能力：基础搜索通过 searx 命令调用本地 SearXNG 实例，聚合 DuckDuckGo、Brave Search、Startpage 等隐私搜索引擎结果；深度研究模式则通过 deep-research 命令启动多轮迭代搜索流程，自动进行关键词扩展、网页内容抓取（使用 aiohttp 异步并发）、信息综合，最终生成带完整引用的研究报告。整个过程最多进行 5 轮搜索迭代，自动过滤 YouTube、Facebook 等低价值域名，确保研究质量。
显著优点体现在四个维度：隐私安全上，所有查询本地处理，禁用 Google/Bing 等追踪引擎，配合 VPN 可实现近乎匿名的搜索体验；成本效益上，完全开源免费（MIT 协议），无订阅费用；透明度上，代码完全可审计，无黑盒操作；技术性能上，采用 Python 异步架构并发抓取页面，效率较高。此外，melt 支持自动屏蔽社交媒体干扰，专注高质量信息源如 arXiv、GitHub、StackOverflow。
潜在缺点与局限性不容忽视：首先，作为 T3 来源的个人项目，虽然代码安全但缺乏企业级维护背书，用户需自行承担代码审计责任；其次，部署存在技术门槛，需要用户本地运行 Docker 并维护 SearXNG 容器；功能层面，不支持 JavaScript 渲染的动态网页，无法获取登录墙或付费墙后的内容；性能方面，设置了 20 秒请求超时，慢速网站可能获取失败；最后，虽然本地无日志，但搜索请求仍需经过 VPN 才能对搜索引擎隐藏真实 IP，否则仍有 IP 暴露风险。
适合的目标群体包括：隐私敏感的研究人员与记者、需要避免搜索历史记录的技术调研人员、寻求 Perplexity 免费替代方案的用户、以及具备一定技术能力（Docker 基础）的 AI 爱好者。特别适合进行学术研究、竞争情报收集、敏感话题调研等场景。
使用风险主要包括：依赖本地 Docker 环境稳定性，容器崩溃将导致服务中断；SearXNG 镜像需要用户手动更新维护，存在安全补丁滞后风险；网络层面，若未配置 VPN，搜索引擎仍能看到用户真实 IP；此外，深度搜索模式会进行多轮网络请求，可能触发某些搜索引擎的速率限制，导致临时性访问受阻。建议用户定期检查 SearXNG 健康状态，并始终保持 VPN 连接。