體驗完豆包新版深度思考，我發現AI終於學會像人類一樣「邊想邊搜」

2025-06-24 19:50 APPSO

你有沒有發現，現在的 AI 搜尋真的很懂摸魚？
當 ChatGPT、Perplexity 等工具相繼問世，都說 AI 將徹底顛覆搜尋領域，但現實情況卻是，當我隨手扔給它一個複雜問題時，一頓操作猛如虎，哐哐一頓搜尋幾百個網頁，搜尋結果卻平平無奇。
仔細一看，要麼堆砌了一堆零散的資訊，要麼抓不住重點，感覺就像是把一堆資料硬塞給我，自己卻沒怎麼動腦子，像極了敷衍了事的職場人。
不過，這也不能全怪 AI。畢竟換位思考一下，即便是人類，帶著問題去查資料時，也很容易被資訊洪流衝昏頭腦。不少 AI 產品開始對此進行最佳化，比如 OpenAI 和 Grok 在推理模式基礎上又推出了 Deep Research/DeepSearch 模式。
國內廠商裡，位元組也剛剛給出了新的解決方案，對豆包的深度思考功能進行了升級。正在測試的豆包新版深度思考的一大亮點便是免費支援「邊想邊搜」，現在下載最新版豆包 APP，或在 PC 及 Web 版豆包中即可體驗該功能。
APPSO 也第一時間進行了深度體驗。
簡單來說，使用者無需單獨開啟搜尋功能，只需開啟深度思考模式，AI 能在推理過程中靈活調用搜索工具，進行多輪動態搜尋。
從「先搜後想」到「邊想邊搜」，AI 終於學會了如何像人類一樣搜尋問題。
DeepSearch+深度思考，豆包這個新功能不止讓你少問幾步
生成式 AI 發展兩年了，顛覆搜尋了嗎？
早期的 AI 搜尋工具雖然不怎麼做網際網路的搬運工，但模式上還是傳統的「先搜後想」的套路——先把網上的資訊抓一堆，再根據這些資訊組織答案。
豆包新版深度思考則不一樣，它結合了深度思考能力，把搜尋和推理捆綁在一起，基於每一步的思考結果進行多次搜尋，能讓回答更有邏輯、更貼近需求。聽起來挺玄乎，我們也用幾個問題來實際體驗一下。
先來個貼近生活的投資問題，「如果我從今年 1 月開始同時投資小米股票和英偉達股票，截至 3 月 24 日收盤哪個收益更高？」豆包的回答讓我有點意外。
APPSO 拆解了豆包新版深度思考的思考過程，我們發現它的搜尋邏輯有了明顯不同：
1. 先進行問題分析和框架設定
2. 獲取初步資訊建立概念
3. 深入挖掘具體資料點
4. 遇到不確定性時進行額外搜尋
5. 基於現有資訊進行合理推斷，並給出結論
之前 AI 可能會直接給出兩支股票的漲跌百分比，然後就直接得出結論，但豆包新版深度思考則進行了多輪思考，進行問題分析和框架設定（時間段-股價表現-調用搜索工具）。
一旦有了較為妥當的思路，它便會繼續搜尋，比如在網際網路上找到了 14 篇參考資料，這個過程僅僅是為了獲取一個籠統卻清晰的概念，方便進一步邊思考邊有針對性地搜尋。
由於缺乏 1 月 1 日（休市）的準確收盤價，以及英偉達的資料存在不確定性，它需要再次搜尋來確認這兩個關鍵資料點，最後基於現有資訊進行合理推斷。
最後的結果，也不只是給出投資收益的對比，還對股價波動因素進行分析，並提示了未來的風險，甚至整理成了表格，考慮得頗為周全。
洞察到了我想問但沒說出來的問題，把需要「追問」的細節提前融入答案之中，妥妥一個醒目的投資顧問。
向左滑動檢視更多內容
最近我計劃去新加坡旅遊，想知道有沒有最優的往返機票方案。
普通 AI 搜尋引擎可能一股腦兒搜幾百個網頁經驗帖，然後彙總交差，但豆包新版深度思考則有所不同，它會帶著問題思考，拆解幾個關鍵點——出發地、時間、預算等，然後逐步深入分析，形成一個「思考-檢索-繼續思考」的良性迴圈。
而這恰恰也說明了豆包的新版深度思考傾向於「思考驅動」而非「搜尋驅動」。
換句話說，以前需要照顧 AI 的能力，把大問題拆分為幾個小問題，一步步問清楚；可現在完全不用，直接丟出你的需求，剩下的交給豆包就行。或許正因如此，它的整體響應速度體感上並不慢，體驗相當流暢。
有個很現實的問題，沒時間看國足比賽怎麼辦，別急，這時候就可以請出豆包新版深度思考來救場。把你想知道的具體內容告訴豆包，比如比賽結果、關鍵時刻、球員表現或者規則積分，它就能化身速通大師，省時又高效。
向左滑動檢視更多內容
當然，如果不開啟深度思考功能，我們會發現，雖然回答依然快刀斬亂麻，效率沒得說，但質量明顯就差了一截。不僅缺乏更清晰的分點羅列，連邏輯層次感都顯得單薄，甚至引用的資料資訊更少。
這麼一對比，像人類一樣思考的重要性就凸顯出來了。有了深度思考的加持，它能把答案打磨得更精緻、更貼心，條理清晰不說，還能塞滿乾貨，讓你讀起來既舒服又有收穫。
接下來，我們用更貼近個人需求的決策場景來考驗它。
對於 iPhone 16e，我們給出的觀點是，這是一臺醬香型手機，越晚入手越香，那它和 iPhone 16 比，哪個更有價效比，以及如果用膩了，又該換哪款備用機？
就像 Grok DeepSearch 標配的圖表一樣，豆包新版深度思考也提供了清晰的引數對比，螢幕、晶片、攝像頭一目瞭然，甚至還貼心地準備了資料遷移建議，這貼心程度值得點贊。
向左滑動檢視更多內容
邏輯性是豆包新版深度思考回答的最大特點。
針對 Android 備用機推薦問題，它不會一股腦兒拋給你一堆機型名字，而是透過「邊想邊搜」的迭代迴圈，針對你可能會用上的使用場景，再一步步搜尋、推理，最後奉上一份既有邏輯又實用的推薦清單。
當然，扒蛛絲馬跡這種細活兒，還是得交給 AI。
「悟空在第十四回中打死的六個盜賊，分別叫什麼名字？該如何理解作者這一情節的安排？」豆包新版深度思考的回答不僅列出具體名字，還融入了佛學和心理學視角，分析得頭頭是道，時不時冒出幾句金句，頗有亮點。
向左滑動檢視更多內容
李白、杜甫和白居易是唐代詩人的標誌性符號，那他們三者之間是否存在交集？
對於這個問題，在豆包新版深度思考的理解中，這種交集並不侷限於現實生活的人際往來，還延伸到了更廣闊的文學脈絡以及彼此風格與創作上的相互影響。
最後所引用清代趙翼的點評「李杜詩篇萬口傳，至今已覺不新鮮；江山代有才人出，各領風騷數百年」，恰到好處，為整個分析增添了歷史厚重感，也讓人讀後回味無窮。
從「先搜後想」到「邊想邊搜」，搜尋的未來長什麼樣？
技術未來學家、Google 工程總監雷·庫茲韋爾（Ray Kurzweil），曾在《奇點臨近》一書中預測，未來的搜尋將像人一樣思考，而不是像機器一樣索引。如今，這一預言正在成為現實。
之前的 AI 搜尋，其「先搜後想」的模式是一個簡單粗暴的線性過程：
輸入問題 → 調用搜索工具獲取資料 → 基於資料進行推理 → 輸出答案。
這種方法的短板顯而易見，非常依賴關鍵詞匹配和網頁索引技術，導致資訊「廣而不深」。
基於深度思考和 DeepSearch 的 AI 搜尋已經大大解決了這個問題，AI 能理解自然語言中的複雜語義，比如問它「明天廣州適合穿什麼衣服？」就可以分析天氣資料、時尚趨勢、個人偏好等隱藏需求，實現多維資訊關聯。
而豆包新版深度思考與多輪搜尋相結合的模式，進一步補足了深度思考和 DeepSearch 在處理複雜、模糊及動態資訊需求時尚存的幾塊短板。
1.
一輪搜尋無法解決的複雜問題: 更好應對需要多輪資訊整合、動態調整策略的複雜任務。在思考過程中多次搜尋，讓資訊持續更新和補充，給出更全面、準確和深入的回答。
2.
模糊查詢與資訊關聯: 對於一些描述模糊、資訊不完整的問題，「邊想邊搜」讓模型在推理過程中不斷搜尋和驗證，逐步縮小範圍，找到相關資訊
3.
動態規劃與多步驟任務: 在處理需要長期規劃或多個步驟的任務時，「邊想邊搜」能夠在每一步驟中進行資訊校驗和調整，提高了執行任務的成功率。
豆包新版深度思考「邊想邊搜」的執行路徑，讓我不禁想起最近常被提及的 Agent。「網際網路之父」Berners-Lee 早在多年前就提出：
真正的智慧體，就是在每個具體場景中，都能自動完成使用者心裡想做卻沒明確說出來的事情。
雖然豆包新版深度思考和 Agent 還有些區別，但某種程度上卻是 Agent 工程化思路在搜尋上的應用。Agent 自主決策和動態調整，將任務高度自動化，大大減少額外的資料預處理和人為干預。
說白了，就是讓 AI 像一個聰明的助手，自己去網上找答案，它能自己動手，自己動腦，找到我們要的東西。使用者不需要像餵飯一樣把問題拆得細碎，才能得到滿意回答。
由此我們也可以推理出 AI 時代理想的搜尋過程：
1. 接收並分析使用者問題使用者提出問題後，AI 會先分析問題的內容，拆解其核心需求，並嘗試推測使用者的真實意圖。
2. 自主選擇搜尋策略根據問題的性質，決定是用通用搜索還是直接呼叫特定專業資料來源。它能記住常用工具和 API 的呼叫方式，直接利用現有網路資源（如站點地圖或結構化資料）進行搜尋，而非依賴預設流程。
3. 多步驟動態搜尋搜尋不是一次性完成，而是分成多個連續步驟。先發起初步搜尋，檢視結果後，可能調整關鍵詞、瀏覽網頁深入挖掘，或轉向其他資料來源，模擬人類在網上探索的過程。
4. 即時最佳化搜尋路徑在搜尋過程中不斷學習和判斷。如果發現當前方向無效，它會自主放棄並嘗試更有效的路徑，如同經驗豐富的專業人士那樣靈活應變。
5. 整合資訊並生成結果蒐集到足夠資訊後，它還會透過推理將零散內容重新組合，將結果整理成邏輯清晰的總結，確保輸出符合使用者需求。
6. 記錄決策過程每一步決策和推理都會留下清晰的記錄，增強結果的可解釋性，讓使用者能追溯其搜尋邏輯。
如同媒介理論家保羅·萊文森所言，技術進化是人類認知結構的外延。每個時代技術的核心驅動力是資訊處理能力的提升，當 AI 以越來越接近人類的思維方式處理資訊，重塑的將不僅僅是我們對搜尋的習慣。

相關文章