Agent 的上限看模型，底线看什么？

大家好啊，我是甲木。

不管是之前在企业做培训，还是做分享的时候，经常会有朋友问到：AI 搜索出来的结果，其准确性该怎么保证？以及 AI 搜索的信息源又是怎么生成的？

今天这篇文章，就给大家聊一聊关于 AI 搜索 Web Search。这话题我之前做过一期内容，今天来接着聊，我找了张图：

从下往上看这座塔：电、数据中心、芯片、Linux、云，再往上，才是你天天在用的 AI 应用。全塔最吃劲的一块，是中间那个蓝色小方块：Web Search。对于时效性信息，AI 给出的每个答案、每份研报、每条投资逻辑，都得打它这儿过一遍。

它无处不在，你一直在用；但它远比大家想象的脆弱。

脆弱在哪？看左边那列原料：新闻站、公司公告、年报，还混着博客、论坛和来路不明的截图、营销号。真真假假、新旧不一，全都灌入这一块。

开头那个问题，答案就藏在这儿。

经常会有朋友说，我喜欢用豆包去查找东西，问豆包已经成为了本能，而且效果也不错，现在它也把这个能力开放给企业和开发者，那我们可以在自己的 Agents 上去调用这个豆包搜索。我现在用的比较多的就是「豆包搜索」来提供的 Web Search 服务，免费够用。

这篇文章刚好拿它为例，和你分享：

供你选择，为自己的 Agent 选择一个好用的 Web Search 服务。

要回答这个问题，我们先来看看搜索这门生意的变化历程。过去它服务的是人：敲几个词，挨个挨个搜索结果，自己判断真伪。

AI 搜索往前走一步，直接给人一个综合答案。可 Agent 接到的压根不是单个问题：「研究一家公司」「核查一篇文章」这种活，它得自己拆问题、把问题改写成若干个关键词去查，再一轮轮搜索、筛选信息源、再整合。

要说找得到、读得全，现在确实有人做得挺漂亮。可有个问题始终没人答：搜回来的这一堆，到底哪条能信？通用搜索眼里，网页不分高低：一份公司公告和一篇公众号，分量差不多。

更麻烦的是，这堆原料还在加速变质：如今互联网上充斥着 AI 生成的垃圾信息和洗稿文，通用搜索稍不留神就会把 Agent 带进沟里。

最近注意到豆包搜索，就是因为火山引擎把它定位成「为 Agent 构建的信息获取引擎」。用人话说：它不仅是个搜索引擎，还是个信息质检员。它搜回来的每条结果，都标好了发布时间和确定信息源，甚至还把信源分了等级：权威公告是一档，主流媒体是一档，XX 自媒体又是一档。

巧了不是，给来源分等级这件事，去年那篇「AI 事实核查方法论」的文章就给大家讲过，整套办法就两张图：

那会儿这套全凭自己一双手，点击一条、查看一条、判断一条，累得够呛。

所以看到豆包搜索给来源分等级的思路竟跟我这套对上了，我一下就来了精神。

为了看清不同搜索源对 Agent 的影响，在同一条指令、同一家公司的前提下，我设计了三组对比实验：

整个复现过程并不复杂。在火山引擎开通相关服务后，直接把帮助文档和 API key 喂给自己的 Agent 即可。

豆包搜索的官方文档：console.volcengine.com/search-infinity/web-search-exp

具体指令如下：

中间经过数轮调研，给出来了一个结果。

为了方便展示，结果直接看这张对照图。

图里最能说明问题的是「字节占营收比」这条：

你想要的内容，豆包搜索都会给你进行信源验证，并且进行权威性分级。

为了验证这不是偶然，我又换了天孚通信（300394）按照同样的方法跑了一遍：

最能说明问题的是那条「6 月沟通会说 Q2 持平」的坊间传闻：

虽然 Tavily 找得其实也又快又全，连巨潮资讯网的年报原文都能扒出来。

但是对于现在的 AI 搜索来说，它的使命就是给 Agent 这个精炼机提供高纯度的矿石。如今各家的差距早已不在于「能不能搜到」，而在于把海量信息捞回来之后，搜索能不能提前给信源排好座次，直接告诉你到底该信谁。

投研只是我拿来讲道理的例子，这套核查流水线，放到全民吃瓜的热点事件上照样好使。

比如刚踢完的 7 月 19 日世界杯决赛，西班牙对阵阿根廷。这种全民话题，官方通报、媒体报道和自媒体小道消息全搅和在一起，泥沙俱下，最考验搜索的成色。

给不给得出细节是其次；给出的细节带不带出处、敢不敢认账，才是工具好坏的分水岭。

对了，这里再补充一句，豆包搜索分着「Global 版」和「Custom 版」，满足不同需求。

Global版本：开箱即用的通用搜索，内置搜索规则无需额外配置，覆盖广；

Custom版本是基于企业场景打造的规则版本，能够更好的适配企业复杂场景。

上述三个 case，我拿「豆包搜索」跟「Tavily」作对比，Tavily 就是只搜搜，不对新闻质量负责，豆包搜索的信源做的是真不错，质量也会更好，所以拿出来给大家分享。

而如果提到价格，国外 Tavily 等，有月免费额度，但付费区间定价基本在 0.03 元/次以上。「豆包搜索」给了每人每月 500 次免费搜索，超额后单次定价 0.02 元/次……还有包月套餐模式，能低至 0.005 元/次（不过包月有日限额）。

免费额度已经足够个人开发者的使用，字节大善人！

再强的模型，一旦被喂了带毒的原料，也只会以更系统的方式把错误无限放大。

顺带交代一下这次的跑测环境：这几轮测试，我用的底层大模型都是 Doubao-Seed-Evolving——这是豆包 Seed 系列里保持周更迭代的版本，1M 上下文，主攻 Coding 和 Agent 场景。

想上手试试的同学，目前豆包搜索已经正式面向企业和开发者开放。配合火山引擎的 Agent Plan，基本可以一键把搜索和模型同时打包塞进你自己的 Agent。

说了这么多，它最核心的价值其实就一句话：

让搜索提供高纯度的矿石，把盲目信任变成有据可查，这才是 AI 搜索该有的样子。

以上。

我是甲木，热衷于分享一些 AI 干货内容，同时也会分享 AI 在各行业的落地应用。