产品量子位·闻乐··AI 生成
Agent专用搜索登顶Product Hunt，Token更省搜得更准
本文介绍中国团队开发的AI搜索产品AnySearch，它区别于传统AI搜索，专门为Agent（智能体）设计。核心亮点在于通过意图识别路由到20多个垂直数据源（如代码、金融、法律），并采用同源衰减、信息密度仲裁等算法前置筛选信息，最终输出结构化的Markdown内容，减少Token消耗和上下文噪音。文章通过实测对比展示了其获取实时、准确信息的能力，并论证了在Agent时代，搜索作为基础设施的重要性。适合关注AI Agent开发、工具产品与技术架构的读者。原文 ↗原文 ↗
核心观点
- ▍在Agent时代，搜索需要被重新定义为Agent的基础设施，而非仅面向人类用户；模型负责思考，搜索负责获取事实，信息获取能力是Agent能力的下限。
- ▍AnySearch通过与Exa、Parallel等产品不同的范式升级——搜索前通过意图路由匹配垂直数据源，搜索阶段完成前置筛选，最后输出结构化内容，以实现更高效、准确的Agent信息获取。
- 01AnySearch在Frames、FreshQA、WebwalkerQA组成的300道问题基准测试中，以76.4%的综合准确率领先Parallel和Brave Search，且延迟最优。
- 02产品搭建了覆盖通用搜索和20多个垂直领域的数据体系，包括代码、法律、学术、金融、安全、企业商业等，并根据问题意图自动选择最合适的数据路径。
- 03采用三重排序算法：同源衰减算法降低同一网站权重，信息密度仲裁算法优先保留信息更丰富的条目，混合排序算法同时考虑语义相关性和时效性。
- 04在执行企业尽职调查任务时，AnySearch能精准抓取平台公示的国内企业合规记录，而Exa输出的报告完全缺失此类本土信息。
- 05生成全球能源市场报告时，能获取美国EIA 7月9日最新天然气库存数据、欧洲7月12日日前电价交割价等实时数据。
反方 / 局限
- — 文章未提及AnySearch在非结构化、非标准化的长尾数据（如个人博客、小众论坛）上的表现，其垂直数据源覆盖范围可能成为局限。
- — 文章主要依赖用户个人体验和产品自述，缺乏独立第三方或学术机构的对比评测，案例选择的代表性可能存在偏颇。
13 分钟 · 5 卡片 · 13 资料
读原文 →前置背景
功能拆解
平行视角
未来推演
延伸追问