在之前我對比測試多款 AI 產(chǎn)品的時候，就有很多朋友跟我提到，可以試試看秘塔 AI 搜索，體驗不錯，在一些場景的問題下解決得很好。

在試用了挺長一段時間后，今天也正式跟各位推薦一下，非常簡單粗暴：好用。值得一試。

廢話少說，先給各位直觀感受一下。

比如，問，羅永浩為什么大家都喊他龍哥。

從目前的效果看，跟競品有相似之處，也是歸納總結(jié)。而從細(xì)微之處，則能看得出其優(yōu)點特色。

1 融合的來源多，歸納能力好

像剛剛的回答中，引用的來源資料多達(dá) 22 條，來自各個平臺。

作為用戶，對于某個主題，在傳統(tǒng)搜索引擎，翻看 20 多條搜索結(jié)果，可能就是極限了。那這樣的結(jié)果直達(dá)，效果就是大大降低了成本。

這種搜索的方式，并非是從大模型的黑盒里調(diào)取信息，而是從現(xiàn)有的人類資料里尋找參考資料。所以秘塔 AI 搜索，從產(chǎn)品形態(tài)上，的確更像是搜索，而不是大模型。是搜索+ AI 大模型的能力，而非單純的 AI。

在一些復(fù)雜課題方面，秘塔 AI 搜索也能有出色的表現(xiàn)。比如，可以從 30 多篇參考文章中提取出中國咖啡行業(yè)在 2023 年的發(fā)展情況：

參考的部分資料如下：

這可以當(dāng)做是一篇綜述類的文章，能夠快速介入某個指定課題。這種 AI 助理的效果，比起人工來說，效率要高出不少。剛剛的這兩篇內(nèi)容，都是秒級呈現(xiàn)的，完全沒有等待的感覺。

同時，在初步了解之后，也可以快速追問，繼續(xù)深入某個話題。比如：

效果拔群。從信息的整合能力看，直達(dá)的結(jié)果，等同于我花費十幾到二十分鐘瀏覽大量網(wǎng)頁的效果。

相信各位也能感知到與通用的 AI Chat 產(chǎn)品的區(qū)別。秘塔 AI 搜索這種在搜索場景下特別優(yōu)化的功能效果，就會有體驗上的優(yōu)勢。

2 有價值的搜索外延信息

當(dāng)然，如果只有一個亮點，也不值得簡單粗暴的推薦。

第二個推薦點是：有結(jié)構(gòu)化的梳理，和相關(guān)的參考信息。

由于是針對搜索場景的，所以秘塔 AI 搜索在產(chǎn)品中加入了一些更有助于我們理解課題的功能。一種就是結(jié)構(gòu)化的大綱和思維導(dǎo)圖。

比如這樣的：

大綱和思維導(dǎo)圖之外，還有相關(guān)的知識圖譜，比如相關(guān)的事件：

或者相關(guān)的組織：

能一目了然所需的各種結(jié)構(gòu)化后的信息和線索，能夠延伸到更多課題，可以繼續(xù)展開了解。

3 鍍金的信息源

當(dāng)然了，說到現(xiàn)在，有的朋友可能會覺得，也還不錯。

如果是這兩條，我也的確不會簡單粗暴地推薦了。秘塔 AI 搜索有兩個補(bǔ)充的功能，讓我近期頗為受益。

那就是在主頁搜索時可以選擇的「學(xué)術(shù)」和「播客」兩項，算是把搜索場景鍍了一層金，也是真正區(qū)別于傳統(tǒng)搜索引擎的地方。它們救我于信息整理和獲取的水火之中。

有的朋友知道，我日常需要做播客「半拿鐵」的講稿，而且我們都是逐字稿，周更的。資料搜索對我和搭檔瀟磊來說是非常繁重的工作，也是播客制作中權(quán)重最高的。

像這個就是我的講稿的一部分：

在搜集資料的過程中，常會遇到一些知識性的盲區(qū)。比如我曾經(jīng)講過的人工智能風(fēng)云錄系列，講述人工智能的歷史，過程中就有很多知識，難以理解，或者沒有充足的參考資料。

當(dāng)時在整理早期人工智能的發(fā)展時，大多材料都提到了有三個學(xué)術(shù)門派：符號派、行為派和連接派。然而在后面的資料里，派別劃分早就不是按照這個來了，很多資料都語焉不詳，導(dǎo)致我自己也很混亂。那時，花了很多時間解決這種知識概念理解的問題。

而在這種課題上，AI 秘塔搜索可謂就是精準(zhǔn)解決、效果好得感人。

用「學(xué)術(shù)」搜索看效果，是這樣的：

這些內(nèi)容，作為我個人的理解來看，權(quán)威性和可參考性就強(qiáng)得多，畢竟參考的資料都不是網(wǎng)頁自媒體的信息了，而是學(xué)術(shù)論文和期刊：

對于我當(dāng)初遇到的困惑，諸如這個路線和那個門派的關(guān)系，這個概念和那個方法的異同，可以在這里有非常好的解答。

就在我寫這篇稿子的時候，秘塔 AI 搜索還在「學(xué)術(shù)」和「播客」這種垂直搜索基礎(chǔ)上，增加了「文庫」搜索，是對大量文檔資料的搜索。

體驗效果如下：

這個問題下，秘塔 AI 搜索參考了 20 個文檔資料，羅列出了 6 種常見的解題思路。還能點擊參考的角標(biāo)，追溯到文檔中定位，在當(dāng)前頁面查看更詳細(xì)的信息。

這種文檔搜索的體驗，也是碾壓過去的?；叵脒€在讀書的時候，想搜索到一份合適的論文或者文檔，真的要費盡心力，難點在于，那時候的搜索往往只能憑借標(biāo)題和可憐的幾個標(biāo)簽完成，內(nèi)容的搜索并不成熟，更不用說把信息還能重新整合了。

為什么說「學(xué)術(shù)」、「文庫」和「播客」的搜索算是鍍金呢？因為我個人目前多數(shù)信息的獲取，就是源于這兩類內(nèi)容形式。出版物和期刊的準(zhǔn)確性更強(qiáng)，文本質(zhì)量也更高，翻看我們在播客「半拿鐵」的參考資料，你會發(fā)現(xiàn)，90% 的內(nèi)容都是這種嚴(yán)肅一些的內(nèi)容來源，否則隨便引用公眾號，我們自己都很不放心。

播客則是另外一種高質(zhì)量的內(nèi)容獲取來源。有很多真正客觀和有效的信息，目前也只有播客里有（并不是說凡播客都有價值，而是有價值的信息多在播客）。

這種鍍金從我作為內(nèi)容創(chuàng)作者的個人情感上而言，也是很愿意搖旗吶喊的。如今信息噪聲實在太多，同一個事件，網(wǎng)上的信息能有幾百種說法，觀點四起，烏煙瘴氣。而好的信息更值得被關(guān)注，好的內(nèi)容更值得被搜索。這是情感上期待搜索引擎變遷的一個原因了。

4 好的 AI 方向：垂直場景+用戶經(jīng)驗

對于秘塔 AI 搜索的感受就如上文所述了。簡單試用一下，你應(yīng)該也會有一些驚喜。很難說這種形態(tài)一定就是搜索引擎的未來，但我的體會是，至少是向未來搜索引擎過渡中的一種形態(tài)。

我在之前聊過，好的 AI 方向并不多，toC 也不太好做。目前更多的場景，應(yīng)當(dāng)是場景+ AI，而不是 AI + 場景。給場景以 AI，而不是給 AI 以場景。

用秘塔 AI 搜索的時候，我就有這種感受，作為一款產(chǎn)品，它就是深入垂直領(lǐng)域，先解決一個古老課題。不是在顯擺 AI 的技術(shù)肌肉，而是真實從場景里，先解決用戶的需求。

然后在用戶對好體驗的追求中，提升用戶的使用頻次，積累對用戶的理解和認(rèn)知，從而能更好地提升用戶體驗。

這也是存在于互聯(lián)網(wǎng)產(chǎn)品中的最樸素的用戶體驗飛輪。

我最新的認(rèn)知是，這里提到的用戶模型，不僅僅是用戶的數(shù)據(jù)。很多朋友會天然認(rèn)為有海量的數(shù)據(jù)就能帶來好的 AI 模型，現(xiàn)在看好像未必。

第一，無法分辨好的數(shù)據(jù)和壞的數(shù)據(jù)，無法真正找出有價值的數(shù)據(jù)，都會讓 AI 的結(jié)果里摻入老鼠屎，用起來很惡心。

第二，有數(shù)據(jù)未必有真正的場景。AI 產(chǎn)品并非是把數(shù)據(jù)喂進(jìn)去，就坐等產(chǎn)品體驗變好了。AI 產(chǎn)品需要大量工程上的調(diào)試，這種調(diào)試，既需要產(chǎn)品經(jīng)理和工程師團(tuán)隊的努力，也需要大量用戶的實際案例。這正是 OpenAI 為什么很早就推出 toC 產(chǎn)品的緣故。

那么一個好的用戶模型，可能就是用戶數(shù)據(jù)之上，還要有用戶使用的大量案例。就秘塔 AI 搜索來說，那就是用戶到底怎么理解搜索的、哪些搜索結(jié)果對他們有幫助、哪些來源文獻(xiàn)更有價值等等。這些用戶的行為數(shù)據(jù)，可能跟存儲在服務(wù)器里的那些網(wǎng)頁和文獻(xiàn)內(nèi)容數(shù)據(jù)，一樣有價值。

好了，在最后，用「播客」搜索提供的結(jié)果，也給各位推薦幾期有關(guān)人工智能歷史的播客，可以更深入了解 AI 與產(chǎn)品的關(guān)系。你看，巧了，秘塔 AI 的搜索推薦好幾期就是「半拿鐵」的內(nèi)容。

更多相關(guān)的話題，大家可以自行搜索，秘塔 AI 搜索目前全免費使用，也沒有任何廣告。各位用起來吧。

使用地址：metaso.cn

參考：

題圖由 Midjourney 繪制。Prompt：search everything