腾讯这个搜索 Skill，我想让它在 Agent 里常驻

墨问里一位腾讯的同学最近在笔记里写了元宝录音笔的使用体验，我说最近元宝有啥大动作吗？他说在持续打磨呢，最近元宝搜索基座有了长足的长进。我说我需要，研究研究。他说适合你用。

周末继续 Vibe 墨问 Agent，查了一下元宝搜索的进展，发现这个产品并不仅仅是在元宝 App 里优化搜索能力，而是把一整套 AI 搜索的能力提取出来，发布在了腾讯云。不仅 WorkBuddy、ima 这样的腾讯系产品在用，普通开发者和 Agent 用户也可以用起来。

优秀的搜索基座做起来并没有那么容易。最近我们在做墨问 Agent，少不了搜索能力，怎么做呢？让大模型理解问题、生成检索词，再调用内置的免费搜索工具，拿到标题、链接和摘要后，Agent 会按需读取网页原文、补充搜索，再综合成回答。

真正做起来才发现，搜索接口接通只是第一步。结果是不是准确，内容质量怎么样，如何找到最精准的答案，网页过期没有，几个来源互相转载，还得大模型去重。做了十几次搜索，最后交给模型，模型引用的可能还不是最准确的网页。

熟悉的感觉瞬间涌上心头：现在就差一个搜索功能了。做起来却像是要去复刻一个 Google，离大谱。

我对元宝搜索感兴趣，也正因为如此。元宝搜索做了大量的内容和工程工作以保证搜索又快又好。简单来说，它把搜索理解、优质内容收录、质量筛选和排序这些工作做成了服务，再通过 Skill、MCP 和 API，交给开发者使用。这个对 Agent 用户太有吸引力了，我立刻把它接入了墨问 Agent。

如何接入元宝搜索？

接入过程比我预想的简单多了：控制台开通服务、创建 API Key、安装 Skill，再把 Key 配到 Agent 里，然后你的产品就具备了成熟可用的 AI 搜索能力。

登录腾讯云的控制台，找到元宝搜索，点击立即开通：

按照提示开通元宝搜索标准版，目前每月有 2000 次的免费额度，有邀请码后可获得 6000 次/月的免费额度（邀请码：5SBX26J2）。然后在控制台里创建自己的 API Key，保存好，一会要用。

元宝搜索提供了三种接入方式，一种是 Skills，一种是 MCP，一种是 API 直接调用的方式。三种接入方式的信源一致：

Skillhub地址：
https://skillhub.cn/skills/user_f26e0ccb/tencent-yuanbao-standard-search

MCP广场地址：
https://cloud.tencent.com/developer/mcp/server/11764

我自然是选择了 Skill 方式。

复制 prompt 发给你的 Agent，就可以安装元宝搜索 Skill 了。我复制后贴给了墨问 Agent：

然后点击墨问 App 左边栏的 Skills，找到右上角的“运行配置”，点开配置刚才生成的 API Key：

如果使用其他 Agent，接法也类似：安装对应的 Skill，再按工具要求配置 API Key 就完事了。对开发者来说，真正要花心思的，还是怎么把搜索放进自己的产品流程里。

我们来看看元宝搜索的能力吧

先试一个日常问题。我没有给电影名，只描述了几个记得的情节：

想找一部韩国电影：乡下发生连环凶案，两个警察查了很久也没破案，结尾男主角对着镜头看，记不起片名了。

@tencent-yuanbao-search 就是元宝搜索的 Skill。

返回结果指向了《杀人回忆》。明确描述了结尾人物望向镜头的情节，能够和问题里的线索对上。这类检索方式在 AI 时代常用：我们经常记得内容，却记不住它的名字，能从零散描述找到对应对象，搜索就省心了很多。

这类问题看起来像记忆力测试，其实是在考搜索能不能把零散线索拼起来。人记得一段画面，却忘了片名，这很正常；工具如果非要用户先给出标准关键词，那就谈不上智能了。

再试一个开发者更熟悉的问题：

Python 3.14 的自由线程模式默认开启了吗？与 Python 3.13 有什么区别？请找官方文档。

这次我把站点限定为 Python 官方文档。返回结果包含自由线程说明，以及 Python 3.13、3.14 的版本变更文档，我们可以继续查看不同版本的具体描述。

这个例子里，重要的是把“正式支持”“默认启用”和“怎样安装”区分开。技术问题里，最容易出错的经常不是大方向，而是版本、默认值和适用条件等等。AI 写代码时，版本和条件稍微混一下，就可能给出错误的建议。

第三个问题：

《人工智能生成合成内容标识办法》的成文日期、官网发布日和施行日各是什么？请找官方原文，别把三个日期混在一起。

结果里返回了成文日期、发布日和实施日，还有说明和引用的官方链接。打开官网能够清晰的看到：落款日期为 2025 年 3 月 7 日，网页发布日期为 3 月 14 日，第十四条写明自 9 月 1 日起施行。元宝搜索精确的理解了用户的问题，并用了一次搜索就得到了最终的答案。

对此我的感受是，元宝搜索提供了一个更好用的资料入口，不放心可以随时去做复核，最终得到精确答案。

显然，对于 AI 搜索，元宝搜索提供了另一种工程选择

开发者提交检索请求，拿回包含标题、链接、摘要、发布时间等信息的结果，再结合自己的业务完成后续处理。搜索基础设施由服务端维护，应用端负责把检索用在合适的位置，并把来源和结论清楚地呈现给用户。用户、开发者、Agent 使用者，各得其乐。

这相当于元宝把精准的搜索能力给到了 Agent。一次任务可能包含多轮搜索，如果每轮都要读大量重复、无关的网页，等待时间和模型 Token 的消耗都会累积。让搜索阶段就尽量做好功课，后面的长任务才能顺利进行。

前面提到的 WorkBuddy 和 ima，也已经把这套搜索能力用进了实际工作流。WorkBuddy 在联网问答、资料收集等场景接入元宝搜索，团队减少了自行维护信源和抓取链路的工作，可以更专注于智能体的任务规划和交付。ima 则把它用在“问问 ima”和 Copilot 中，将知识库里的专业资料与外部最新信息结合起来，接入后有效信源召回量提升约 10%。

这和我做墨问 Agent 的需求挺接近：搜索这层有人持续打磨，应用团队就能少做一些重复建设，多花点时间把自己的产品做好。

用下来，感觉这几件事还挺重要的：

理解能力是真好，你说的不完整，人家也能接得住。记得电影情节，却想不起片名；查资料几个条件混在一起，没有标准关键词；描述场景还原一个新闻场景，这些元宝搜索都能搞定。

元宝搜索把自然语言理解和意图还原作为核心能力，处理口语化描述、多语种混用、错字和指代不清等输入。对开发者来说，这意味着可以围绕用户需求设计产品，不用专门匹配提示词。

数据覆盖面大，质量还好。元宝搜索已有数千亿级索引，接入了 13 个垂直行业、157 个权威信源，覆盖金融、医疗、法律、出行等领域。除了公网，它还结合腾讯的内容生态和合作信源，为专业问题补充资料来源。

元宝搜索会在搜索内部做质量判断，比如问题的理解、文档排序、实时向量索引和内容质量等几个方面，包括保留网页原始结构的解析，以及站点、账号、页面多个层面的质量评估。排序时进一步考虑不同问题对权威性、时效性和资料组合的需求，减少信息重复与关键内容缺失。

还有个特点，我觉得开发者会很喜欢：检索范围是可以控制的。

查技术文档，可以限定官网；查近期变化，可以限定时间范围；需要特定领域的资料，也有对应的检索参数，这些通过自然语言就全搞定了，极其方便。拿到结果以后，标题、来源链接、摘要和发布时间，又能继续用于筛选、引用和界面展示。具体字段及垂类能力随服务版本有所区别，接入时按自己的业务选择即可。

我用了一段时间之后，感觉元宝搜索的响应速度确实给力，数据也是最新的。它的服务端会进行分钟级的内容更新，最快提供 300 毫秒返回结果的能力。对多轮执行的 Agent 来说，这件事太爽了有没有？感觉墨问 Agent 都变得流畅了。

对开发者和 Agent 用户来说，元宝搜索这个能力绝对值得试一下，原因很简单：很多 Agent 任务都是先找到资料，然后才有后面的理解、判断、任务执行和内容生成。把搜索这部分基础工作交给更成熟的服务，你会发现，Agent 会有脱胎换骨的表现。你会得到精确和快速的 AI 搜索能力，随之而来的是，更聪明的 Agent 和更好的任务结果。

AI 搜索这个赛道，2024 年就已经卷起来了。在 Agent 没成气候的时候，迭代过好几轮，但真正好用的、留给开发者的产品也没多少。直到 Agent 兴起，对 AI 搜索的需求水涨船高的时候，元宝搜索来了，为全行业的 AI 产品提供即开即用、可信可靠的内容检索基座。

元宝搜索在内容积累、质量筛选和响应速度上的投入，已经在墨问 Agent 里得到了体现。找电影、查技术文档、核对政策日期，看起来是几个小问题，懂行的都知道这些是搜索的基本功。这个赛道往后走，内容和工程的长期积累，恐怕会越来越显出分量，这是腾讯系的优势，我现在就希望元宝搜索的 API 价格能更便宜些，我就可以把元宝搜索做成墨问 Agent 的默认搜索服务了，哈哈。