来源：https://hqexj12b0g.feishu.cn/docx/XJDddRbzco5FgLxyKKgcnZsQnug
知识库总目录
做国内AI搜索领域最具产品洞察力、最了解AI搜索技术的共学共享社区！
共学 共享 面向未来
嘉宾名单内大佬云集，有很多AI搜索及相关创业者和投资人，详细：
为了保持交流质量本群保持小而美，采取邀请制，微信联系： HuggingAIs
从用户需求满足角度而言，传统搜索引擎其实是个半成品，基于LLM（Large Language Model）的AI搜索工具提供了一种面向用户最终需求的产品形态。例如你在百度搜“iPhone”，可能背后更深层的需求是“最新款全网最便宜的正品iPhone”，但结果其实是各大电商外投的关于手机的广告链接，你点击搜索结果到了承接页需要逐个查看确认商家资质，用户评价再比价，而面对AI搜索产品，你可以把你的心里话直接作为输入，越详细效果越好。
所以，生成式AI时代传统搜索引擎的定位更多是下沉为一个底层服务。AI搜索和传统搜索不是替代关系，而是分层关系。AI搜索允许用户口喷需求（可以是非常复杂的研究命题），结合RAG（检索增强生成）和AI Agent技术，把整个复杂逻辑封装起来，让结果自动来找人，如果对接了外部API，可以完成非常复杂的业务需求，比如把最新AI资讯整理成一篇飞书文档，把几个产品介绍页直接上架为一个亚马逊可售卖的商品（不是YY，最近看到它们真出了这样的AI 工具）。
但也要看到，目前AI搜索工具并没有好的盈利模式，这也是制约其做大做强的重要原因。不过未来一旦有突破，对靠广告为主要盈利模式的传统搜索引擎而言堪称釜底抽薪。有志于此的同学可以提早关注，深入研究。
Perplexity CEO采访长文值得一读：https://mp.weixin.qq.com/s/LTvxg2AShH3Pa7MmchMheA
2024.2.24我被一则新闻惊醒：Andrej Karpathy离开了OpenAI公司，当时铺天盖地的解读充斥自媒体，我试图借助自己收集的各种AI检索工具追踪这则新闻。
当时主要使用了三款llm-based的检索工具，并写下了这段简短的总结：
①kimi chat：简洁，中文，5个信息源，速度极快
②arc search：全面，英文信息源，结果包含图片视频，按事件来龙去脉整理的非常好
③perplexity：简洁，中文，8个信息源，速度较慢，带引用链接
每个检索工具的表现，截图如下：
Kimi Chat:
Arc Search:
Perplexity:
我突然意识到AI检索是一个很有潜力的领域。虽然颠覆、替换往往是产品PR的噱头，但基于AI技术的检索工具正在渐进式提升过往搜索和知识总结的效率。所以我开始持续关注这个领域的研究进展和产品形态，略有心得，希望把这些记录下来，与感兴趣的朋友一起学习，交流，完善。