在之前我对比测试多款 AI 产品的时候，就有很多朋友跟我提到，可以试试看秘塔 AI 搜索，体验不错，在一些场景的问题下解决得很好。
在试用了挺长一段时间后，今天也正式跟各位推荐一下，非常简单粗暴：好用。值得一试。
废话少说，先给各位直观感受一下。
比如，问，罗永浩为什么大家都喊他龙哥。
从目前的效果看，跟竞品有相似之处，也是归纳总结。而从细微之处，则能看得出其优点特色。
1 融合的来源多，归纳能力好
像刚刚的回答中，引用的来源资料多达 22 条，来自各个平台。
作为用户，对于某个主题，在传统搜索引擎，翻看 20 多条搜索结果，可能就是极限了。那这样的结果直达，效果就是大大降低了成本。
这种搜索的方式，并非是从大模型的黑盒里调取信息，而是从现有的人类资料里寻找参考资料。所以秘塔 AI 搜索，从产品形态上，的确更像是搜索，而不是大模型。是搜索+ AI 大模型的能力，而非单纯的 AI。
在一些复杂课题方面，秘塔 AI 搜索也能有出色的表现。比如，可以从 30 多篇参考文章中提取出中国咖啡行业在 2023 年的发展情况：
参考的部分资料如下：
这可以当做是一篇综述类的文章，能够快速介入某个指定课题。这种 AI 助理的效果，比起人工来说，效率要高出不少。刚刚的这两篇内容，都是秒级呈现的，完全没有等待的感觉。
同时，在初步了解之后，也可以快速追问，继续深入某个话题。比如：
效果拔群。从信息的整合能力看，直达的结果，等同于我花费十几到二十分钟浏览大量网页的效果。
相信各位也能感知到与通用的 AI Chat 产品的区别。秘塔 AI 搜索这种在搜索场景下特别优化的功能效果，就会有体验上的优势。
2 有价值的搜索外延信息
当然，如果只有一个亮点，也不值得简单粗暴的推荐。
第二个推荐点是：有结构化的梳理，和相关的参考信息。
由于是针对搜索场景的，所以秘塔 AI 搜索在产品中加入了一些更有助于我们理解课题的功能。一种就是结构化的大纲和思维导图。
比如这样的：
大纲和思维导图之外，还有相关的知识图谱，比如相关的事件：
或者相关的组织：
能一目了然所需的各种结构化后的信息和线索，能够延伸到更多课题，可以继续展开了解。
3 镀金的信息源
当然了，说到现在，有的朋友可能会觉得，也还不错。
如果是这两条，我也的确不会简单粗暴地推荐了。秘塔 AI 搜索有两个补充的功能，让我近期颇为受益。
那就是在主页搜索时可以选择的「学术」和「播客」两项，算是把搜索场景镀了一层金，也是真正区别于传统搜索引擎的地方。它们救我于信息整理和获取的水火之中。
有的朋友知道，我日常需要做播客「半拿铁」的讲稿，而且我们都是逐字稿，周更的。资料搜索对我和搭档潇磊来说是非常繁重的工作，也是播客制作中权重最高的。
像这个就是我的讲稿的一部分：
在搜集资料的过程中，常会遇到一些知识性的盲区。比如我曾经讲过的人工智能风云录系列，讲述人工智能的历史，过程中就有很多知识，难以理解，或者没有充足的参考资料。
当时在整理早期人工智能的发展时，大多材料都提到了有三个学术门派：符号派、行为派和连接派。然而在后面的资料里，派别划分早就不是按照这个来了，很多资料都语焉不详，导致我自己也很混乱。那时，花了很多时间解决这种知识概念理解的问题。
而在这种课题上，AI 秘塔搜索可谓就是精准解决、效果好得感人。
用「学术」搜索看效果，是这样的：
这些内容，作为我个人的理解来看，权威性和可参考性就强得多，毕竟参考的资料都不是网页自媒体的信息了，而是学术论文和期刊：
对于我当初遇到的困惑，诸如这个路线和那个门派的关系，这个概念和那个方法的异同，可以在这里有非常好的解答。
就在我写这篇稿子的时候，秘塔 AI 搜索还在「学术」和「播客」这种垂直搜索基础上，增加了「文库」搜索，是对大量文档资料的搜索。
体验效果如下：
这个问题下，秘塔 AI 搜索参考了 20 个文档资料，罗列出了 6 种常见的解题思路。还能点击参考的角标，追溯到文档中定位，在当前页面查看更详细的信息。
这种文档搜索的体验，也是碾压过去的。回想还在读书的时候，想搜索到一份合适的论文或者文档，真的要费尽心力，难点在于，那时候的搜索往往只能凭借标题和可怜的几个标签完成，内容的搜索并不成熟，更不用说把信息还能重新整合了。
为什么说「学术」、「文库」和「播客」的搜索算是镀金呢？因为我个人目前多数信息的获取，就是源于这两类内容形式。出版物和期刊的准确性更强，文本质量也更高，翻看我们在播客「半拿铁」的参考资料，你会发现，90% 的内容都是这种严肃一些的内容来源，否则随便引用公众号，我们自己都很不放心。
播客则是另外一种高质量的内容获取来源。有很多真正客观和有效的信息，目前也只有播客里有（并不是说凡播客都有价值，而是有价值的信息多在播客）。
这种镀金从我作为内容创作者的个人情感上而言，也是很愿意摇旗呐喊的。如今信息噪声实在太多，同一个事件，网上的信息能有几百种说法，观点四起，乌烟瘴气。而好的信息更值得被关注，好的内容更值得被搜索。这是情感上期待搜索引擎变迁的一个原因了。
4 好的 AI 方向：垂直场景+用户经验
对于秘塔 AI 搜索的感受就如上文所述了。简单试用一下，你应该也会有一些惊喜。很难说这种形态一定就是搜索引擎的未来，但我的体会是，至少是向未来搜索引擎过渡中的一种形态。
我在之前聊过，好的 AI 方向并不多，toC 也不太好做。目前更多的场景，应当是场景+ AI，而不是 AI + 场景。给场景以 AI，而不是给 AI 以场景。
用秘塔 AI 搜索的时候，我就有这种感受，作为一款产品，它就是深入垂直领域，先解决一个古老课题。不是在显摆 AI 的技术肌肉，而是真实从场景里，先解决用户的需求。
然后在用户对好体验的追求中，提升用户的使用频次，积累对用户的理解和认知，从而能更好地提升用户体验。
这也是存在于互联网产品中的最朴素的用户体验飞轮。
我最新的认知是，这里提到的用户模型，不仅仅是用户的数据。很多朋友会天然认为有海量的数据就能带来好的 AI 模型，现在看好像未必。
第一，无法分辨好的数据和坏的数据，无法真正找出有价值的数据，都会让 AI 的结果里掺入老鼠屎，用起来很恶心。
第二，有数据未必有真正的场景。AI 产品并非是把数据喂进去，就坐等产品体验变好了。AI 产品需要大量工程上的调试，这种调试，既需要产品经理和工程师团队的努力，也需要大量用户的实际案例。这正是 OpenAI 为什么很早就推出 toC 产品的缘故。
那么一个好的用户模型，可能就是用户数据之上，还要有用户使用的大量案例。就秘塔 AI 搜索来说，那就是用户到底怎么理解搜索的、哪些搜索结果对他们有帮助、哪些来源文献更有价值等等。这些用户的行为数据，可能跟存储在服务器里的那些网页和文献内容数据，一样有价值。
好了，在最后，用「播客」搜索提供的结果，也给各位推荐几期有关人工智能历史的播客，可以更深入了解 AI 与产品的关系。你看，巧了，秘塔 AI 的搜索推荐好几期就是「半拿铁」的内容。
更多相关的话题，大家可以自行搜索，秘塔 AI 搜索目前全免费使用，也没有任何广告。各位用起来吧。
使用地址：metaso.cn
参考：
题图由 Midjourney 绘制。Prompt：search everything
热门跟贴