談到搜尋，我們就不得不提到推薦引擎。這正好是人類與資訊互動的兩種方式。搜尋是使用者主動發起，推薦是使用者被動接受，搜尋是一次性互動，而推薦是系統要記住使用者長期的興趣偏好。推薦引擎在移動網際網路時代大行其道，因為它比搜尋更簡單更便捷。
搜尋仍然是一次性的、需要使用者在檢索結果中自行判斷的資訊獲取方式。檢索結果難以匹配需求、操作麻煩這些問題一直存在。所以到了LLM時代，AI搜尋的出現成為了一個搜尋躍進的契機，是在原有搜尋結果的基礎上，增加了一部分透過模型能力生成的答案，在某些搜尋場景中，將生成式答案置頂，後面接續原有的搜尋結果，使搜尋結果更加一目瞭然。
最近半年來，人類與資訊的關係正在快速演進。在一位搜尋大模型專家看來，“AI工程師們已經意識到，透過把長期的思考和推理過程融入到搜尋系統中，能夠實現比以往任何時候都更精準、更深入的檢索效果。”果然，Deepseek-R1已經率先一步讓使用者不限量地體驗到了能聯網搜尋的AI能有多厲害。
不過AI畢竟不是搜尋引擎。為了讓 LLM 在搜尋上更進一步，作為搜尋行業的顛覆者，夸克一馬當先，在AI超級框的基礎上，全新發布了“深度搜索”產品，透過深度思考能力、智慧檢索技術和精準回答功能，為使用者“高搜商”地解決多樣化複雜問題。
作為阿里巴巴AI旗艦應用，夸克AI超級框同時迭代“圖片智慧處理”功能，持續重新整理AI全能助手的使用者體驗和能力邊界，將搜尋體驗推入到了一個新境界。
01 從RAG到DeepSearch，搜尋體驗大轉變
我們從傳統的搜尋引擎出發，進入到深度搜索的區間，有兩大關卡要過。
首先要考慮的是搜尋技術上的飛躍。
自檢索增強生成 (RAG) 技術興起後，利用LLM改進搜尋已成為行業共識。將搜尋引擎結果融入 LLM 的內容生成過程已是業內普遍做法，而 Perplexity正是其中的代表。
RAG系統的弊端是，一般只執行一次搜尋-生成過程，所以生成結果中的精確率和召回率有限。這也正是AI搜尋在過去兩年中面臨的最大困境。
DeepSearch（深度搜索）正是能夠在RAG基礎上升級的新技術，其核心理念是透過在搜尋、閱讀和推理三個環節中不斷迴圈往復，直到找到最優答案。透過引入多步迭代機制，搜尋環節利用搜索引擎探索網際網路，而閱讀環節則專注於對特定網頁進行詳盡的分析推理環節則負責評估當前的狀態，並決定是應該將原始問題拆解為更小的子問題，還是嘗試其他的搜尋策略。
這種迴圈流程可以一直持續下去，直到滿足某一業務設定的條件才終止，最終最大限度的獲得更好的結果。這個條件可能是嘗試次數，也可能是token限制。在這個機制下，DeepSearch的生成結果是遠遠好於普通的AI搜尋。
其次要考慮的則是，這種迴圈過程花費的時間遠超傳統的搜尋。過去的搜尋引擎依賴預建立的網頁索引資料庫，透過關鍵詞匹配和排序演算法快速返回連結列表。整個過程高度最佳化，耗時通常在50毫秒以內。如果沒有在200毫秒內沒有響應，那就是失敗。
但是現在的使用者，為了一個更好的結果，已經願意忍受更長的處理時間。這其中當然有Deepseek普及了CoT（思維鏈）的作用，深度思考已經成為了人們願意使用AI的一個重要原因。Manus將虛擬機器中的程式碼執行過程即時投射到互動介面，從而讓使用者願意等待更長時間，也是出於同樣的設計理念。
在技術和使用者都已經有了充分準備的情況下，商業搜尋變革的時機終於成熟了。阿里夸克推出“深度搜索”，也才有了跟傳統搜尋分庭抗禮的內外部條件。
02 高情商的搜尋，有哪些特徵
夸克AI超級框全新推出“深度搜索”，最核心的優勢就是具備“高情商”。深度分析下，深度搜索在思考能力、內容正確性和多模態能力上都超越深度思考和常規搜尋。
高情商來源於兩方面，一是正確的理解使用者的搜尋意圖，聽得懂使用者要什麼；二是能夠生成合理可靠的結果，給得出使用者的需要。
在接收到使用者的問題之後，深度搜索會深度分析使用者的真實需求，判斷搜尋意圖是什麼，然後智慧拆解搜尋任務，像人類一樣先思考再搜尋，之後對搜尋到的內容進行智慧總結，生成一個全新的答案。
比如我以：有半月板損傷和足底筋膜炎，推薦一雙春夏季可穿的女士鞋子，要具體品牌和型號。作為提示詞進行搜尋。
傳統搜尋在關鍵詞匹配之下會給我推送若干包含“半月板損傷、足底筋膜炎、女鞋”的網頁，這些網頁的內容可能滿足我的需求，也可能不滿足我的內容，因為這些網頁並不是基於我的需求定製的。
而在夸克的深度搜索中，第一步是要先用解析，它能夠深入分析使用者提出的複雜問題，逐步分析問題並進行充分地思考，從而提煉出關鍵資訊和真實意圖。在這個案例中，夸克的需求拆解和深度思考過程是這樣的：
深度搜索的思考過程，說出了使用者在提示詞中還沒有說出的需求，包括鞋款型別、醫學建議、春夏穿鞋的透氣性等等。說是一個貼心的小助理也是一點都不為過了。
其次，“深度搜索”採用“先思考，再檢索”的全新方式。它會去全網檢索和匹配優質資訊源，精讀數百個頁面中的核心資訊，根據情況呼叫不同的Agent，使搜尋結果的內容更加深入和全面。
最終，“深度搜索”能把關鍵內容和跨領域知識進行深度融合，生成一份精確、可靠的詳細解釋和解決方案。尤其在日常生活、旅遊規劃、醫療健康、學習教育等領域中，進一步幫助使用者解決實際問題，顯著降低使用者決策成本。
基於33篇具有高可信度來源的網頁，夸克進而生成了一個答案：
這種高情商的答案，在三類問題中表現得尤為明顯。第一類是個性化問題，全網搜不到對應的答案，在常規搜尋中只能由使用者自己參照搜尋結果進行總結的，比如在剛過去的母親節送禮物，我們就可以根據母親平常的喜好，去問夸克這次該送什麼禮物了：
第二類是複雜問題，需要不同維度的內容支援。
孩子在讀小學二年級，老師佈置做手工作業，主題是保護大自然，可以是繪畫、手抄報、摺紙、做模型等等形式。幫我想一個最容易做、使用工具最少的方式，內容上要有創意，詳細告訴我該如何做這份手工作業？
這種問題看似簡單，但是實際操作起來就夠讓人麻煩的。我們不僅需要AI能夠給出建議，最好還能有詳細的指導，甚至給出圖片和影片來幫助我們完成這類任務。具備多模態處理能力，解決多樣複雜問題，這恰巧就是夸克深度搜索最擅長的領域。
第三種則是文字描述不清楚，需要模糊搜尋的問題。這種給不出來太多資訊，但是又希望搜尋引擎能夠給出確切答案的問題，也只有深度搜索才能解析。
忘記小說名字了，說的是主角要與生肖不斷賭命才能回到真實世界，屬於無限流，請問是哪一部小說？
這些傳統搜尋中做不到、做不好的事情，夸克搜尋在阿里集團自研大模型的技術賦能下，已經可以輕而易舉地解決。
當用戶發起搜尋請求時，系統不僅提供精準的初始結果，更在互動過程中持續進行意圖識別與驗證——分析使用者潛在需求，結合即時反饋調整搜尋策略，智慧判斷是否需要拓展搜尋維度或進行垂直領域深化。
不僅答案可溯源，而且在在醫療健康、學術研究等專業場景中也表現出色。深度搜索有著"搜尋-驗證-再搜尋"的智慧閉環。不僅使資訊獲取效率提升40%以上，而且能夠透過多維度交叉驗證顯著降低資訊偏差，確保回答的準確性。
人類與資訊的關係正在變化，使用者主動上網搜尋資訊的麻煩與不便，在深度搜索時代將會得到破解，擅長使用深度搜索的人，從此也不會再受限於推薦引擎資訊流帶來的資訊繭房。
03 夸克邁向超級Agent的第一步
今年3月份，夸克的“AI超級框”釋出後，在C端使用者側引發了巨大反響。這是網際網路大廠中戰略層面上第一個公開宣佈打造的旗艦級AI超級入口。行業觀察者普遍認為，這是阿里巴巴在消費級AI戰場的關鍵落子。
雷峰網在拜訪過多位AI產品人士後發現，對於通用Agent的存在，人們的觀點大相徑庭。有些人認為未來的Agent一定是通用的，而另外一些人則相對悲觀，始終認為現實場景的複雜性決定了通用Agent很難實現。但是所有人一致的觀點都是，資訊的檢索、處理與規劃永遠都是Agent執行的前一步。
相較於側重企業服務的"通義千問"大模型和釘釘智慧化改造，夸克“AI超級框”更是將阿里雲智慧、達摩院的前沿技術封裝為C端使用者可感知的顛覆性體驗。
在搜尋場景上，夸克不斷透過創新打造除了全新的使用者體驗。深度搜索只是其中的一步。在半個月前，夸克AI超級框釋出全新AI相機，上新“拍照問夸克”功能。只需要拍張照片上傳，夸克就能理解圖片，並且回答現實世界中的問題。這也是搜尋場景擴張的一個重要舉措。
在閉環Agent生態構建上，夸克已整合超百個垂直領域Agent，覆蓋掃描、學習、醫療、創作等場景，形成全鏈路服務閉環。
夸克的深度搜索功能持續深化智慧化升級，依託阿里自研的推理大模型和多Agent協同機制，能夠精準拆解複雜需求，並在數百個垂直領域的Agent中，呼叫專屬Agent完成任務。
我們從內部瞭解到，夸克還將在深度搜索的基礎上，繼續上線深度搜索PRO功能，其具備更專業的分析與推理能力，能將需要幾天完成的複雜問題與任務壓縮至分鐘級，交付結構化與系統性的專業級結果。從搜尋、分析、決策到執行，一個鏈條正在打通，一個超級Agent即將誕生。
夸克正在重新定義搜尋服務的價值鏈條——在朝著一個超級Agent演進的過程中，搜尋的顛覆成為了新產品形態的重要一步。深度搜索的推出，不僅是探索通用Agent的關鍵一步，更是率先打開了搜尋新時代的大門。
來源 | 雷鋒網（ID：leiphone-sz）
作者 | 馬曉寧 ; 編輯 | 荔枝
內容僅代表作者獨立觀點，不代表早讀課立場
