夜雨聆风前几天写稿的时候，我又干了一件很熟悉的事。
打开十几个标签页。
一个是新闻原文，一个是公司官网，一个是 GitHub 仓库，一个是媒体报道，一个是产品文档，一个是别人写的测评，还有几个忘了是干嘛的，反正先开着。
然后我就在这些标签页之间来回切。
复制。
粘贴。
总结。
再复制。
再粘贴。
写到一半，突然发现自己刚刚看到的那个关键数字不知道在哪个页面里。
于是从左到右重新翻一遍。
很熟悉吧。
尤其是做内容、做产品、做投研、写方案、做竞品分析的人，应该都懂这种感觉。
你不是找不到信息。
你是被信息淹了。
搜索这件事，开始不太对劲了
说实话，以前我一直觉得搜索引擎已经很成熟了。
Google 也好，百度也好，Bing 也好。
你输入关键词，它给你一堆链接。
你自己点进去，自己判断哪个靠谱，自己把碎片拼起来。
这套模式用了二十多年，大家早就习惯了。
但 AI Agent 出来之后，这件事突然变得有点别扭。
因为 Agent 不像人。
人搜索的时候，眼睛可以扫。
一屏里十几个结果，你瞄一眼标题，看到哪个像广告，哪个像垃圾站，哪个像官方文档，心里大概有数。
你点进去之后，滚两下，看到页面排版不对劲，也会关掉。
这些动作很碎，但人类做得很自然。
Agent 不一样。
它需要的是明确的、结构化的、可以继续处理的信息。
你给它一堆网页，它会读。
但读网页这件事，对 Agent 来说其实挺笨的。
它要打开页面，要解析内容，要过滤导航栏、广告、推荐位、评论区，还要判断这段文字到底是不是正文。
更麻烦的是，有些信息根本不在普通网页里。
金融数据。
裁判文书。
学术引用。
威胁情报。
开源项目的 issue 和 commit。
这些东西对人来说已经不好找了，对 Agent 来说更像在一堆抽屉里翻东西。
抽屉还没有标签。
所以这两天我看到 AnySearch 的时候，脑子里一直在转一个问题。
如果未来是 Agent 替我们做调研，那搜索引擎是不是也得换一种形态？
这个东西到底干嘛的
先说背景。
量子位这两天写了 AnySearch，一个专门给 AI Agent 用的搜索层服务。
公开信息里有几个数字。
5 月 11 日上线。
上线首月，10 万名全球开发者接入。
累计搜索调用量突破 400 万次。
GitHub Star 超过 4000。
这个数字你可以先打个折。
毕竟开发者接入和真实高频使用，中间还有距离。Star 也不等于生产环境采用。做过开源的人都知道，很多仓库大家先点个星，回头就忘了。
但我在意的不是这几个数字有多漂亮。
我在意的是它瞄准的那个缝。
AnySearch 不是给人做一个更好看的搜索框。
它是给 Agent 做一个信息入口。
这话听起来有点抽象。
我用大白话翻一下。
以前搜索引擎的用户是人。
所以它最重要的是，把链接排好，让人方便点。
现在 Agent 的需求不一样。
它不是要看一个漂亮页面。
它要拿到可以继续执行任务的材料。
最好已经去掉噪音，保留正文，带着来源，能批量查，能并行搜，能把网页里的信息抽出来，甚至能在垂直领域里直接找专业数据。
GitHub 上 AnySearch 的介绍里写得也挺直白，统一实时搜索引擎 skill，支持通用网页搜索、垂直领域搜索、并行批量搜索、完整页面内容提取。
你品，你细品。
这其实不是给人看的搜索。
这是给机器吃的搜索。
人类搜索，是找网页
我们先把搜索这件事拆开看。
你今天想研究一个公司。
你会怎么做？
大概率先搜公司名。
点官网。
看融资新闻。
查创始人。
翻 GitHub。
找用户评论。
如果是海外产品，还要去 Reddit、X、Hacker News 看看有没有人骂。
这个过程表面上叫搜索，实际上一半是判断。
你在不断判断。
哪个来源可信。
哪个信息过时。
哪个标题党。
哪个数据能用。
哪个报道只是照着 PR 稿改了一遍。
这套判断力，是人类信息工作者长期训练出来的。
我自己写公众号这么久，越来越觉得找资料最耗时间的从来不是搜索框那一下。
是后面的判断和组织。
搜索框只负责把门打开。
真正累人的是进门之后，发现里面有十个房间，每个房间都有一堆纸箱子，你得自己翻。
而 Agent 如果只是模拟人类这个过程，它就会非常慢。
它打开一个网页，看一遍，提取一点。
再打开一个网页，看一遍，再提取一点。
中间还有可能被广告弹窗、登录墙、反爬、页面结构搞懵。
这就像你让一个实习生去档案室找材料，但档案室没有目录。
他确实很勤奋。
但他每次都得从第一个柜子开始翻。
嗯？？？
这不是智能。
这是体力劳动自动化。
Agent 搜索，是找可执行的信息
如果把视角换到 Agent 这边，搜索的目标就变了。
它不需要一个页面。
它需要一份可以继续推理的材料。
比如你让 Agent 做一个新能源汽车出口市场调研。
人类搜索可能会拿到一堆链接。
海关数据一篇。
行业报告一篇。
企业公告几篇。
媒体分析几篇。
然后自己读。
但 Agent 真正想要的可能是这样一组东西。
最近三年出口量变化。
主要目的地国家。
核心公司和车型。
政策变化。
价格区间。
竞争对手。
数据来源。
每一条最好还能追溯回原文。
你看，这已经不是传统意义上的搜索结果页了。
这是调研任务的中间表示。
写代码的人可能更容易理解。
传统搜索引擎给你的像 HTML 页面。
Agent 想要的更像 API 返回的 JSON。
当然，这个类比不完全准确，但意思差不多。
一个是给人眼看的。
一个是给系统继续处理的。
所以我觉得 AnySearch 这类东西真正有意思的地方，不在于它能不能打败 Google。
这个问题问得太早了，也太大了。
它更像是在回答另一个小得多、但可能更紧急的问题。
当 Agent 开始替你做事，它的信息入口应该长什么样？
我们可能高估了模型，低估了信息层
过去一年，大家讨论 AI Agent 的时候，注意力基本都在模型上。
哪个模型推理更强。
哪个模型上下文更长。
哪个模型会写代码。
哪个模型调用工具更稳。
这些当然重要。
但越往后走，我越觉得，模型只是其中一半。
另一半是它能拿到什么信息。
这个判断我也不确定对不对，但先放在这里。
你给一个很强的模型喂垃圾信息，它也只能给你整理出一份更精致的垃圾。
你给一个没那么顶级但足够稳定的模型，配一套高质量、可追溯、结构化的信息入口，它反而可能更能干活。
这有点像以前写代码。
一个算法工程师再厉害，如果数据乱得一塌糊涂，字段对不上，缺失值满天飞，训练集和线上数据不是一回事，模型照样会翻车。
老码农都知道，系统真坏起来，经常不是坏在最炫的那层。
坏在脏数据。
坏在接口。
坏在权限。
坏在某个没人维护的中间表。
AI Agent 也是一样。
它看起来很聪明，但只要信息层不可靠，交付出来的东西就会很飘。
你让它调研一家公司，它引用了过期融资新闻。
你让它分析一个开源项目，它漏掉了最新 issue。
你让它做安全情报，它拿到的是二手媒体转述。
它的回答可能依然很自信。
甚至比人还自信。
这才烦。
搜索引擎以前服务的是注意力
说到这儿，我突然想到一个老问题。
搜索引擎到底在卖什么？
表面上看，它卖的是检索能力。
你输入关键词，它找到网页。
但过去二十多年，搜索引擎真正的商业核心，其实是人的注意力。
结果页怎么排。
广告放在哪。
哪些内容排前面。
哪些站点能吃到流量。
这一整套机制，都是围绕人类点击设计的。
所以 SEO 才会变成一门生意。
因为只要人还在结果页上点链接，排名就有价值。
但如果未来很多调研任务不是人亲自点，而是 Agent 在背后调用搜索层，这件事就会变得很微妙。
谁来决定信息源？
谁来判断可信度？
谁来记录引用链？
谁来防止某些内容专门写给 Agent 看，骗它引用，骗它总结，骗它下结论？
我写到这里的时候，自己都有点犯嘀咕。
因为这事一旦展开，会牵出一堆更麻烦的问题。
SEO 以前是写给人和搜索引擎爬虫看的。
以后可能会出现一种新东西。
专门写给 Agent 看的内容。
它不一定要让人觉得好看。
它只要让 Agent 更容易采信，更容易摘录，更容易放进最终报告里。
这事想想就挺魔幻。
以前大家抢人的眼睛。
以后可能开始抢 AI 的上下文窗口。
但别急着把 Google 埋了
上面写得好像传统搜索马上要不行了。
但我觉得没那么快。
Google 这种搜索引擎的护城河太深。
网页索引、广告系统、用户习惯、浏览器入口、移动端默认设置，这些东西不是一个新工具喊两句 Agent 搜索就能撬动的。
而且人类搜索不会消失。
很多时候，我们就是想自己看。
比如买个相机。
你当然可以让 Agent 给你总结。
但你还是想看看真实用户拍出来的照片，看看评论区骂什么，看看 UP 主试用时那个不经意的表情。
这部分信息很难被完全压缩成结构化摘要。
有些判断就是要靠人的感受。
我自己也一样。
AI 可以帮我整理资料，但要不要写，怎么写，哪个角度有意思，哪个点会打到人，还是得自己判断。
不然就会变成一篇看起来什么都有、但读完什么都没留下的文章。
这种文章现在网上已经够多了。
所以我不是说搜索引擎要被替代。
我更愿意把它看成分层。
人类搜索继续服务人的好奇心。
Agent 搜索服务机器的执行链路。
两套东西会重叠，但目标不一样。
就像数据库和网页都能存信息，但没人会说网页能替代数据库。
它们面向的使用者不同。
真正会变的是调研工作流
这个变化对普通人可能没那么立刻。
但对信息工作者，会很快。
写稿的人。
产品经理。
咨询顾问。
投研分析师。
律师。
安全研究员。
还有很多每天靠信息判断吃饭的人。
以前他们的工作流大概是，人搜资料，人读资料，人整理，人写结论。
后来有了 ChatGPT、Claude、Kimi，变成，人搜资料，AI 帮忙总结，人再判断。
再往后，可能会变成，人提出问题，Agent 自己调用搜索层，自己抓取，自己整理，人只做验收和追问。
这一步看起来只是省时间。
但它会改变人的工作重心。
你不再是那个在网页里翻箱倒柜的人。
你更像一个编辑。
你要判断 Agent 交上来的材料够不够，来源靠不靠谱，逻辑有没有断，哪些地方需要重查。
这听起来轻松。
但其实更难。
因为你如果完全不懂怎么查，就不知道它漏了什么。
你如果没有自己的判断力，就会被一份格式漂亮的报告骗过去。
这也是我最担心的地方。
AI 让调研变快，但也可能让我们更容易接受一个半成品答案。
一个排版工整、引用齐全、语气自信的半成品答案。
有时候比一堆乱糟糟的网页更危险。
因为乱糟糟的网页会提醒你，这事还没弄明白。
漂亮的答案会让你误以为，已经结束了。
后面我想试一件事
我现在还没有把 AnySearch 深度接进自己的写稿流程。
所以这篇不是测评。
这点得说清楚。
我只是看完它的定位和公开数据之后，觉得它踩中了一个很关键的变化。
后面我想真做一次实验。
同一个调研任务，分三组跑。
第一组，我自己用传统搜索做。
第二组，让 ChatGPT、Claude 或 Kimi 这类助手用浏览器搜。
第三组，让 Agent 接 AnySearch 这类搜索层。
然后比较四件事。
耗时。
信息覆盖率。
引用准确性。
最终报告能不能直接用。
这个实验如果跑出来，应该会比今天这篇更有说服力。
但我也先给自己打个预防针。
大概率会翻车。
真实调研不是 demo，网页会变，接口会断，搜索结果会有噪音，Agent 也会偷懒。
但翻车也挺好。
技术真正有意思的地方，往往就在翻车现场。
写到这里
互联网早期，我们学会了搜索。
移动互联网时代，我们学会了在 App 里找入口。
AI Agent 时代，我们可能要学会一件新事。
审查一份由机器替我们找来的世界。
这个说法有点绕。
但我觉得挺准确。
以前我们面对的是信息荒。
后来我们面对的是信息过载。
现在可能要面对的是信息代理。
不是你看到了什么，而是 AI 替你看到了什么。
不是你漏掉了什么，而是 AI 替你漏掉了什么。
所以搜索引擎要重做一遍，不只是技术问题。
也是信任问题。
Agent 可以替我们翻网页，整理资料，压缩噪音。
但那一下判断，最好别太早交出去。
至少现在别。
你现在做调研，主要还是自己搜，还是已经交给 ChatGPT、Claude、Kimi 这类工具了？有没有遇到过 AI 总结得很漂亮，但回头一查发现关键来源不靠谱的情况？评论区聊聊。
如果对你有帮助，可以的话请点赞、收藏+关注
谢谢你看我的文章，我们，下次再见。
/ 作者，rocs
