面向AI代理的检索引擎
各维度得分依据公开资料与字段推算,加权后即综合评分,仅供参考。
Hornet 是一个面向 Agentic Retrieval 的检索引擎，目标是替代传统为“人类搜索”优化的检索基础设施。其核心判断是：AI Agent 的查询形态已不同于短关键词搜索，Agent 会在推理循环中发起更长、更结构化的查询，并倾向读取完整文档，在延迟、吞吐和召回之间做新的取舍。
从抓取内容看，Hornet 重点支持迭代式和并行检索循环，面向从单 Agent 推理到多 Agent 高并发检索的场景。其 schema-first API 被强调为可减少调用错误和 token 浪费。产品还声明可覆盖自然范围数据到 web-scale 数据集，并可根据不同 Agent、任务和规模提供相应服务架构。
Hornet 明确是模型无关的检索层，而不是 LLM 本身；用户可搭配任意模型，降低模型锁定风险。部署方面，它支持运行在 VPC 或本地环境，并靠近 Agent 与数据运行，这对企业私有数据、合规和成本控制较有吸引力。不过，页面未披露具体 SDK、框架集成、权限控制、审计、加密或运维能力。
抓取文本没有提供定价、免费额度、试用方式或企业支持计划。虽然提到开源，但未说明许可证、托管版收费模式或商业服务边界，因此性价比只能基于定位初步判断，不能直接与托管向量数据库或搜索云服务做精确比较。
优点是定位清晰：专为 Agent 长查询、结构化查询、全文读取、并行和迭代检索而设计，并支持私有化部署和模型自由选择。局限是公开材料偏愿景，缺少性能基准、召回率、延迟、成本节省和真实案例。它更适合有检索工程能力、正在构建复杂 RAG 或多智能体系统的团队，不适合希望即开即用的非技术用户。
中国大陆访问情况无法从文本判断，支付方式也未披露。若访问或合规受限，可关注 Milvus、Qdrant、Weaviate、OpenSearch、Elasticsearch、Vespa 等替代方案；其中 Milvus 在国内生态和私有化部署方面通常更容易评估。
本测评基于公开资料整理,不构成购买建议,请以 hornet.dev 官网实际信息为准。
聚焦Agentic Retrieval，新兴AI基础设施方向。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。