Agent專用搜索登頂Product Hunt，Token更省搜得更準

聞樂 發自 凹非寺
量子位 | 公眾號 QbitAI

本期Product Hunt周榜Top 1出自中國團隊，AnySearch

一款AI搜索產品。

過去一年，PH榜一的位置被Agent、AI IDE、大模型輪番占據，幾乎沒見過搜索類產品的影子。

就是因為在全球開發者眼里，普通AI搜索已經很難突圍了。

AnySearch這一登頂，挺新鮮。

看了下成績單，在一項由Frames、FreshQA、WebwalkerQA組成300道問題的基準測試中，全程采用同一款LLM的條件下，AnySearch以76.4%的綜合準確率領先Parallel、Brave Search；

同時，延遲方面AnySearch也是三家最優。

要說作為一個搜索產品，AnySearch還真有點特別，它不是給人用的，而是給Agent用的。

AnySearch不僅能搜到公開網頁信息，還能覆蓋高質量的垂直領域數據，專門給Agent提供更實時、準確、可追溯的結構化信息輸入。

已經有用戶現身說法，他原本用普通搜索給量化Agent扒美股資訊。

結果搜索到的內容過時消息一大堆，導致AI被誤導判斷失誤。

更換了AnySearch之后，依靠來源去重、優先推送最新資訊，Agent拿到了靠譜情報，整套交易系統穩了不少。

（本文案例僅為用戶個人體驗分享，不構成任何投資建議。市場有風險，投資需謹慎。）

視頻地址：https://mp.weixin.qq.com/s/xv3ukK9_KjdGCtov95uTYA

專為Agent打造的搜索，有意思，那必須得給我的Agent安排一下了～

你的Agent，搜商夠用嗎？

在實測之前，咱先說說為啥AnySearch看上去比較“新奇”。

現在不少AI搜索產品，還是把網頁鏈接、標題和摘要丟給Agent。

這套方式對人沒啥問題，掃一眼標題，就知道該不該點進去。

但Agent讀取全文的成本太高了，網頁里充斥的廣告、SEO垃圾信息，極易造成上下文冗余。

最好的方法其實是讓Agent能夠直接用篩選后的有效信息解決問題。

所以對于AnySearch，咱的期待就是它能不能像官方宣稱的一樣，通過20多個垂類源和多源交叉過濾機制，給Agent交付更實時、準確的結構化內容。

開整！

AnySearch的接法很簡單，通過API、MCP或Skill都可以，我這里就直接裝的skill。

第一個任務，我想讓AI幫我找到真實的生產級代碼：

我在做一個項目，需要用Go實現一個API限流器，我不想看教程，給我真實開源項目里的生產級代碼。

在使用AnySearch之前，我先用AI跑了一遍，結果不出所料，人家甩給我幾個經典鏈接，摘了幾段核心代碼就算敷衍我了……

再看看AnySearch實力如何。

這次我得到的是結構化代碼，調用鏈更完整，可以直接借鑒實現。

然后我又選了一個非常典型的搜索場景，對一家公司做盡調，摸清底細。

這次我選擇了Exa和AnySearch分別執行相同的搜索指令，將搜索結果傳遞給Agent生成報告。

兩份報告開篇的基礎工商注冊信息維度覆蓋度相近，基礎公開資料完整度差距不大。

然后我又仔細看完了兩份調查，有一個最明顯的發現是，海外搜索引擎還是對國內事件了解不夠。

在報告的風險部分，AnySearch能夠精準抓取平臺公示的企業合規相關記錄；

而Exa輸出的報告完全缺失這一類本土公示信息，關鍵風險維度直接空白。

經過這輪對比，我有點理解為啥AnySeaarch能拿PH榜Top 1了。

AnySearch不僅是能給到結構化信息，而且搜到的內容更全更新

接下來我又讓AnySearch做了一份全球能源市場報告，涵蓋美國天然氣庫存變化、歐洲各國日前電價走勢、澳洲電網碳排放強度。

最后我拿到的報告很詳細，分區域庫存明細、14國電價走勢復盤、碳排放因子全拉齊了。

關鍵是，搜到的這些數據都是實時的。

美國天然氣庫存用的是EIA 7月9日剛發布的最新一期，歐洲電價甚至追到了7月12日的日前交割價。

測也測完了，那就來聊聊大家好奇的另一個問題：

AnySearch到底做了什么，才把搜索質量拉開這么大？

讓AI看到網頁之外的世界

它重新設計了一套適配Agent工作的搜索方式。

對Agent來說，如果源頭拿到的素材本身就不靠譜，后面的推理能力再強，也是在錯誤的信息基礎上白費力。

問題在于，Agent要面對的數據，本來就不在同一個地方。

一句提問背后，可能對應代碼倉庫、企業數據庫、法律文書、學術平臺、金融數據等完全不同的數據世界。

跟Exa搜索思路不同，Exa是在網頁世界里做搜索，AnySearch則直接連接了網頁之外的垂直數據源。

AnySearch搭建了覆蓋通用搜索和20多個垂直領域的數據體系，包括代碼、法律、學術、金融、安全、企業商業等多個方向。

△一個查詢從進入AnySearch到交付給Agent

經過的處理管線

所以搜索的第一步，AnySearch會先進行一次智能意圖識別，根據問題自動選擇最合適的數據路徑。

問公司背景，去翻工商數據庫、投訴平臺、專利庫；問能源行情，去拉實時電價和庫存數據。問代碼實現，就去GitHub倉庫里翻源碼。

如果一個問題可能涉及多個領域，它又會同時發起多條搜索路徑并行查詢，誰先返回高質量結果，就優先進入后續流程，不會讓Agent白等。

不過，選對渠道只是開端。

互聯網最大的特點，從來不是信息太少，而是信息太多。

普通搜索引擎里經常出現同一個網站霸占大量版面，大量文章互相洗稿轉載的情況。

對于人來說，這可能只是多翻幾頁的事兒；

但對于Agent而言，每一條搜索結果都會進入上下文，除了重復內容外，如果搜索結果不準，也會引發Agent自動多輪搜索，最終導致Token浪費。

并且，重復內容越多，真正有價值的信息反而會被稀釋。

Tavily、Exa雖然也做了去重處理，但它們更多是把一堆結果全部返回給Agent，再靠模型燒Token自行篩選。

AnySearch專門針對AI讀取方式，重新做了一套排序算法，將信息篩選前置。

同源衰減算法，會主動降低同一網站重復內容的權重，避免整個搜索結果都來自一個站點；

信息密度仲裁算法，會在相關性相近時，優先保留信息量更豐富、覆蓋更全面的內容；

與此同時，混合排序算法還會同時考慮語義相關性和內容時效性，讓真正最新、最相關的信息排到更靠前的位置，不會被營銷推廣內容擠占前排位置。

經過這一輪排序之后，留下來的才是真正值得交給模型處理的信息來源，不給模型增添額外負擔。

△圖片AI生成

但即便是搜索到了高質量網頁，這些內容依然不能直接交給模型。

于是AnySearch會完成最后一步內容整理，把模型不需要理解的元素全部剝離。

自動完成正文提取、頁面去噪、內容清洗，再統一轉換成Markdown結構化格式，把真正有價值的信息保留下來。

這時候Agent拿到的就是一份已經整理好的、可以直接進入推理階段的數據。

整套過程既減少了上下文長度，也降低了Token消耗，讓模型把更多算力放在思考問題本身。

到這里，搜索的問題已經解決了。但對于開發者來說，一個真正能放進工作流里的搜索系統，還得考慮工程層面的穩定性。

所以AnySearch又做了Agent原生設計，接入方式支持貼合開發者習慣的API，MCP和Skill；

還加入了自動容錯、超時管控等工程能力，即使某一路數據源出現異常，也不會拖慢整個搜索流程，而是會自動切換可用路徑，保證任務能夠繼續執行。

從搜索入口、結果排序，到信息處理，再到最終交付給模型，AnySearch幾乎把整個信息獲取鏈路都重新按照Agent的工作方式設計了一遍。

搜索，正在成為Agent時代的基礎設施

過去很長時間，大家討論大模型時，焦點幾乎都是模型本體。

參數規模、推理能力、代碼水平……好像只要模型越來越聰明，Agent就會越來越好用。

但真正開始做Agent之后會發現，很多任務失敗，問題并不出在模型思考環節，而是第一步拿到的信息就已經錯了。

再頂尖的大模型，也沒法憑空生成實時資訊，更不可能把缺失的數據“推理”出來。

模型負責思考，搜索負責獲取事實。

在模型性能持續內卷的當下，信息獲取能力的短板反而會越來越突出。

前者決定Agent的能力上限，后者決定Agent的能力下限，而且模型越聰明，對信息質量越敏感。

換句話說，Agent時代的搜索需要被重新定義

過去，搜索的目標是幫助人找到網頁；

現在，它開始承擔另一項任務，為Agent持續提供能夠直接參與推理和執行的高質量信息。

AnySearch踩中的正是這個變化。

AnySearch的團隊，沒有選擇繼續做一個面向人的搜索產品，而是圍繞Agent重建搜索方式。

放眼目前國內外市場，無論是Exa、Parallel、Brave還是Tavily，都在探索AI搜索的不同方向；

但它們普遍的思路是依托全網網頁資源，在檢索完成之后依靠大模型完成結果過濾和內容提煉。

AnySearch則實現范式升級，搜索前依靠意圖路由匹配垂直數據源，搜索階段完成前置篩選，最后輸出結構化內容，真正把搜索當作Agent的基礎設施去打磨。

一個才上線兩個月的Agent搜索產品能夠沖上Product Hunt周榜第一，本身就說明AnySearch切中了行業剛需。

開發者的訴求十分明確：讓Agent穩定獲取真實、實時、可用的信息，并持續完成真實世界里的任務。

所以，如果你的Agent“搜商”也還差點意思，那AnySearch真可以安排一下～

AnySearch支持匿名體驗，不用注冊，Skill/MCP/API開箱即搜

不過這邊還是建議注冊一下——

因為注冊之后每天能拿1000次免費搜索調用額度（doge）。

項目地址：https://github.com/anysearch-ai