15
0仅限于本人经常使用的kimi和秘塔搜索。
从搜索使用来看，基本上已经放弃了传统搜索，并且每天使用ai搜索至少10次以上，ai搜索基本上可以覆盖泛信息和知识领域的搜索需求，当然一些垂直领域的内容还是会去专业的网站，比如影评去豆瓣，商品信息去电商平台。“在哪里免费下载XXX电子书”这类问题，ai搜索已经能够很好地完成任务了。
使用过程中发现的一些问题：
1、搜索范围有局限
目前的搜索还是集中在传统web的内容，如果移动app没有web端，内容很难检索到，比如微信公众号和小红书的内容，一次都没有检索到过；即使有web端，似乎这些内容的搜索权重也并不高，可能是这些内容没有做搜索优化的原因。目前能搜索到的内容都是基于之前在web端内容的积累，现在移动app里很多内容的实效性和丰富度远远大于web端。
2、搜索识别的内容形态局限于文本信息
比如一篇文章是图文内容，检索的信息在图片里，一般情况下，ai搜索无法识别出图片里的信息。但是单独提供图片给kimi，kimi会完整准确地识别出图片里的文本信息。随着视频内容越来越丰富，视频内容检索也是一大需求。
表格和PDF格式里的文本信息可以检索到。
3、生成的信息有误
体现在几个方面：
• 没有检索到相关信息，比如某些新闻信息实效性不够；比如XX产品不合格信息，在某些搜索权重不高或者对搜索引擎不是很友好的网站里面的内容没有检索到。
• 生成的内容对信息源文件理解有误，比如一篇文章里有两个表格，一张是合格产品的信息，一张是不合格产品的信息，当搜索询问不合格产品信息时，ai搜索会把合格产品的信息当作不合格产品信息输出。
• 生成的内容准确性不足，这种错误容易在输入的检索信息比较模糊的情况下产生，比如“XX品牌怎么样？”当这个品牌不是很知名，内容相对比较少的情况下，ai有可能会把与这个品牌名称类似的品牌内容当作该品牌内容输出。
实际使用过程中用户可以使用多轮对话让ai搜索对问题进行修正，前提是用户要能发现问题；还有一个方法就是对用户的问题进行分解反馈，给出几个选项让用户选择，以理解用户更加明确的意图。当然这里还有一个问题，如果搜索的范围太狭窄，会影响输出内容的广度，在保证信息准确性的前提下，权衡信息的广度和深度。一般ai搜索会给出广度关联信息、深度阅读信息以及继续追问的推荐词等。
ai搜索的问题可以归为两大类：
一类是信息检索的问题，一类是内容生成的问题。在这两类问题中可能都会涉及到ai对语言的理解问题。在信息检索前，需要ai对输入的需求进行解析、分类，在解析分类的时候已经与输出内容的准确性、广度、深度有很大关系；检索到信息内容之后，如何汇总、整理、输出。
相信一个强大和使用用户越来越多的ai搜索会对内容生产起到很大的作用。从某种程度上来说，淘宝、京东等电商平台，抖音、小红书等内容平台，最根本的机制就是内容的推荐和检索机制。对于个人用户来说，大部分用户其实并不是太在意个人数据权限及隐私问题，更在意的是获取信息的质量问题。
再说一下国内两大ai搜索，kimi和秘塔的不同：
• 从定位上两者根本不同。
kimi定位于个人智能助手，擅长长文本资料解读，所以kimi采用的是对话界面，kimi希望每个对话围绕一个主题来进行，在一个对话里可以把主题相同的内容都放进去，不同的主题可以在不同的对话来展开，尽量不要在一个对话里问不同的问题。个人觉得kimi并不适合普通的个人用户使用。
秘塔则与Perplexity非常接近，定位就是ai搜索，并宣称没有广告直达结果。秘塔搜索目的就是尽可能地一次性解决输入的搜索需求，所以秘塔的界面不是对话界面，并且“追问”输入框也不明显，也没有“推荐检索词继续搜索”，同时也会通过关联信息以及深度阅读来照顾到信息的广度和深度。秘塔更适合普通用户。
