AI 搜索 AI Search

把检索与生成结合的搜索产品形态：先找“证据”，再生成“答案”，通常附带引用与可追溯来源。

分类：product 类型：practice 别名：Answer Engine, 生成式搜索

AI 搜索（AI Search）通常指“答案引擎”式的搜索体验：系统不只是返回链接列表，而是把检索到的内容组织成自然语言答案，并尽量提供可追溯的来源引用。

在实现上，它经常以 RAG 为核心：先检索（网页/文档/知识库/数据库），再让模型基于检索结果生成回答，以降低幻觉并提升时效性。

典型能力

• 引用与可追溯：把答案中的关键结论绑定到具体来源片段（quote/snippet）。
• 多轮澄清：当需求不明确时先提问，再检索与总结。
• 任务化搜索：把搜索结果转化为下一步动作（例如生成待办、写邮件、生成代码片段）。

常见难点

• 证据对齐：引用存在不等于结论正确；需要做证据覆盖、冲突检测与高风险声明。
• 检索质量：索引、切分、召回与重排（rerank）往往比“换更大模型”更影响体验。
• 成本与延迟：多次检索 + 重排 + 长上下文会显著增加延迟，需要缓存与分层策略。

相关词条

• RAG、向量（Embedding）、Reranker、幻觉（Hallucination）、工具调用（Tool Calling）、Grounding、RAG 评测

实践入口

• RAG / AI 搜索指南（可引用清单）
• RAG 评测与回归清单（Checklist）

延伸阅读（站内）

• RAG / AI 搜索实践指南

实践指南

• RAG / AI 搜索实践指南

打开 GitHub 界面，修改后直接生成 PR