Еще варианты помимо Carrot2:

Yippy/Clusty. Действительно закрылся в 2020. Жаль, был хороший.

SearXNG (open source метапоисковик). Сам по себе не кластеризует, но к нему можно прикрутить кластеризацию через Carrot2 API. Есть публичные инстансы: https://searx.space

Keenwa. Относительно новый проект, заявляют AI-кластеризацию результатов поиска. На практике работает через раз, но идея правильная.

Google Scholar частично решает задачу для научных запросов. Показывает "Related articles" и группирует по цитированию.

Если задача не поиск в вебе, а кластеризация своих документов или набора текстов, то смотри в сторону Elasticsearch с плагином кластеризации (есть Carrot2 плагин для ES) или пиши свое на Python с sklearn (TF-IDF + K-Means).

Не совсем поисковик, но ChatGPT и Claude умеют делать то что ты описываешь. Вводишь "дай обзор подходов к обработке изображений в Python, сгруппируй по библиотекам" и получаешь структурированный ответ с группировкой.

Да, это не поиск в привычном смысле. Но для задачи "понять ландшафт темы" LLM работают лучше любого кластеризатора поисковой выдачи, потому что у них уже есть модель предметной области.

Если хочется хардкорного решения, можно собрать свое за вечер.

from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.cluster import KMeans
import requests

# собираешь сниппеты через SearXNG API
results = requests.get('https://searx.instance/search?q=python+image+processing&format=json').json()

texts = [r['title'] + ' ' + r.get('content', '') for r in results['results']]

vectorizer = TfidfVectorizer(stop_words='english', max_features=1000)
X = vectorizer.fit_transform(texts)

km = KMeans(n_clusters=5, random_state=42)
km.fit(X)

# выводим кластеры с ключевыми словами
order_centroids = km.cluster_centers_.argsort()[:, ::-1]
terms = vectorizer.get_feature_names_out()
for i in range(5):
    print(f"Cluster {i}: {', '.join(terms[ind] for ind in order_centroids[i, :5])}")

Грубо, но для прототипа хватит. Дальше можно заменить K-Means на HDBSCAN, добавить sentence-transformers вместо TF-IDF и будет уже серьезный инструмент.

Perplexity AI. Не кластеризует в чистом виде, но при сложном запросе разбивает ответ на подтемы со ссылками на источники. Бесплатная версия покрывает большинство задач.

помню был ещe когда то Nigma.ru, он тоже кластеризовал. Российский поисковик. Но его давно закрыли, году в 2015 вроде