过去一年，AI 行业的战场悄悄挪了位置。
挪的方向不在模型本身，而在它能不能接上真实世界。
政策在改，行情在跳。热点每小时换一轮。
模型的知识停在训练截止那天，天然带着一段时差。
想输出靠谱结论，就得接上实时可信的外部信息。
搜索，就是这个接口。
卡点也正好在这里。
传统搜索靠关键词匹配。读不懂又长又绕的意图。
网页里混着营销稿、过期页面和 SEO 垃圾。
这些东西直接投给模型，幻觉就冒出来了。
那自建一套检索体系呢。
爬虫对抗要人。网页去噪要人。百亿级索引还是要人。
排序模型还得一直迭代。
这不是招两个工程师能解决的事。
真正跑起来的检索系统，背后是几百人的工程组织和每年上亿的算力账单。
一套自建检索从立项到能用，通常要走完十八个月。
中途还得不断和反爬、脏数据和索引膨胀打架。
绝大多数创业团队和中小公司，做不了。
腾讯在这层埋伏了很久。
过去一年，它在应用层动作很密。
全场景智能体工作台 WorkBuddy、AI 知识管家 ima 和腾讯视频 AI 小助理。
五十多款产品接连落地。覆盖办公、内容和金融几条主线。
支撑这些产品联网取数的底层搜索，此前一直藏在幕后。
10 月 20 日，这张牌翻开了。
元宝搜索全面升级。通过腾讯云以接口形式开放给个人开发者和企业。
它此前只对内部开放，外部想用只能走合作，这次的口子开得够大，个人开发者也能直接开通。
底子不算小，内部支撑五十多款核心产品，沉淀数千亿级索引。
接入 157 个权威信源，日均调用数亿次，信源铺在 13 个垂直行业里，从政策公告到财经快讯都有。
索引按分钟级更新，热点事件基本跟得上，这套能力从内部自用工具转成了公用基建。
一、一张没翻开的牌
搜索这门生意，一直跟着互联网怎么组织信息在走。
PC 早期是目录时代。
雅虎雇人手工分类网站。搜索就是一张导航地图。
后来谷歌用 PageRank 打开关键词时代。
搜索变成流量入口。核心逻辑是「人找信息」。
输关键词。回一列网页。广告是最赚钱的模式。
那二十年里，搜索公司做的是同一件事，把网页整理成可以排序的索引。
谁握住搜索，谁就握住分发权。
移动互联网把开放网切成了孤岛。
通用搜索的入口价值被稀释，能力慢慢下沉成各家的内置功能。
电商搜商品。内容平台搜视频。社交工具搜聊天记录。
搜索从独立产品，变成了各家生态里的基础能力。
语音搜索和本地搜索这些新形态，也是那几年冒出来的。
再往后，小程序和公众号把内容圈进了各自的墙里。
能跨平台取数的通用搜索，越来越少。
AI 来了。第三次变化开始。
这一次，用户不再是坐在屏幕前的人。
服务对象从人变成了智能体。
目标从「返回链接」，变成「交付可信、可直接调用的信息」。
腾讯搜索业务负责人马晋的说法更直接。
「搜索面对的用户从 1.0 时代的人，变成了 3.0 时代的智能体。」
在他看来，模型有三个躲不掉的短板。
幻觉、知识时效不足和垂类术语缺失。
搜索是补这三个洞的主要路径。
实时性是最值钱的那一条。
模型的静态知识追不上现实，搜索可以同步全网动态。
金融行情的波动、政策的修订和事件的进展，都能变成智能体的输入。
这也是AI对话产品最怕的地方。
用户问的是今天的事。模型答的还是去年那一版。
搜索补进来。智能体才算有了持续感知外部变化的能力。
需求变了。供给却没跟上。
传统搜索接口脱胎于「人找信息」，本质还是关键词匹配。
遇到长语义、强意图的查询，召回精度就打折。
结果里混着 SEO 稿和营销号，投给模型极易催出错误结论。
针对泛滥的 AIGC 低质内容，行业到今天也没有一劳永逸的解法。
马晋把这叫攻防战。
一边靠模型识别单篇内容的特征。
一边针对高频发低质内容的站点和账号做专项治理。
但他认为更有效的思路，是从源头抬高优质信源的权重。
让可信内容先被召回。
自建还有一层门槛。高得惊人。
爬虫对抗、解析去噪，还有百亿数据的存储索引和排序模型的迭代优化。
四件事每一件都要一整支专业团队，还要长期投算力和运维。
一边是智能体落地对可信搜索的刚性需求。
一边是供给端的高门槛和低适配。
缺口就这样成了全行业的共性瓶颈。
这也解释了为什么过去两年，做智能体的团队几乎都在接第三方搜索。
腾讯其实一直在补这块短板。
外界看它的 AI 布局，通常只看两端。
底下是混元大模型。上面是 WorkBuddy 这类应用。
中间那层很少有人提。
元宝搜索和向量数据库这些通用能力，就住在中间。
它们负责接真实世界、处理外部信息，给上层应用供稳定的输入。
向量数据库管记忆。搜索管新鲜事。两者刚好互补。
马晋把定位说得很清楚。
「我们不会做面向普通用户的 C 端独立搜索入口。」
「而是藏在各类 AI 产品的背后，提供更优质、更可信的搜索信源。」
这层的角色更像一个信息供电站。
把结构化、高可信的内容输给模型和智能体。撑住上层业务。
过去很长一段时间，它只服务腾讯内部的业务线。
大厂的 AI 竞争从拼参数转向拼落地，中间层就成了新的胜负手。
这张藏了很久的牌，到了翻开的时候。
二、先在内部跑通全场景
行业里此前的 AI 搜索产品，大多还停在插件级。
给模型加一个联网开关。本质还是人提需求、搜索补信息。
真到智能体时代，搜索得是一套独立的生产级基建。
它要能持续输入权威信息，要适配语义理解，还要扛住大规模并发。
元宝搜索最早只是为了满足元宝 APP 的联网搜索。
腾讯内部 AI 产品批量落地之后，它慢慢沉成了通用的搜索能力。
五十多款内部核心产品接进来，覆盖办公、内容和金融工具几条线。
日均数亿次调用，数百亿级索引。
13 大垂直行业，157 个权威信源的内容覆盖。
这些数字都是一轮又一轮真实业务磨出来的。
内部业务线的口味还不一样，办公要公文原文，内容要档期和榜单。
图里点出 13 大行业与 157 个头部权威信源。
先内部验证，再对外输出，这条路让它在工程成熟度上天然占便宜。
内部业务先跑。出问题在自己家里爆，不用户先踩。
在办公场景，接入元宝搜索的AI办公软件不用再自己搭检索。
此前想让智能体具备联网调研能力，团队得自己弄爬虫、索引和排序一整套。
研发成本高。回来的信息可信度还难把控。
接进来之后，权威信息直接进工作流，每条结论都能追到官方来源。
团队不用再养一条抓取链路，精力可以全放在任务规划和交付体验上。
在内容娱乐场景，腾讯视频 AI 小助理接进来之后，信息覆盖度直接扩了 20%。
此前受限于站内内容库，站外的新片档期、热度榜单和演职员动态都更新滞后。
用户用模糊的剧情描述找片，召回效果不太理想，接上之后全网实时信息能同步更新。
模糊描述也能对上作品。用户的人均 AI 搜索次数和次留一起涨了。
搜索和智能体不是单向调用，是双向协同。
马晋解释过这套配合。
「智能体要学会拆出更适配检索的查询词。」
「搜索要向智能体输出权威性等级、发布时间和排序满意度这些特征信号。」
「智能体最终的引用结果和质量反馈，也会回传给搜索继续优化。」
效果落在效率上。
升级之后，内部智能体完成同类任务的平均搜索调用次数，从 8 次降到了 5 次左右。
结果更准，就不用反复检索试错。
数十条业务线的全场景落地，等于给这套能力做了一轮又一轮压力测试。
它跳过了 Demo 阶段。直接具备生产级服务的稳定性和适配性。
对外，官方给了三种接入方式。
直接接口、通用接入口和技能包市场。
第一步都一样。在腾讯云开通元宝搜索。
开通就送每月 2000 次的免费额度。
开通页写着每月 2000 次免费额度。
习惯直连接口的开发者，去控制台的「服务 API KEY」页面建一个 key。
复制明文。写进本地环境变量。
鉴权和调用就都通了，key 只在创建时显示一次，丢了就得重建。
接口地址和调用示例，控制台里都给好了。
控制台分成标准方式和 API KEY 方式。
标准模式下，一次查询回 10 条结果。
每条带标题、日期和站点链接，还有相关性得分。
一行 curl 跑示例。请求体里是元宝搜索。
官方还给了一批配置项，时间范围、垂直领域和结果类型都能调。
站点限定、返回条数也在里面。
传统搜索调控手段单一的毛病，基本被这几个参数补上了。
时间范围设成 d1，就只锁最近一天的新闻。
垂直领域设成 gov，就强制只检索党政机关信源。
低质营销号想混进来，从源头就被挡掉。
这批参数也能组合着用。两个限制一起下更稳。
参数里传 d1 和 news，耗时 1912 毫秒。
要用通用接入口的方式。步骤更短。
把前面拿到的 key 映射进编辑器的配置文件。
填上官方远程地址。启动后确认工具列表里的搜索工具已经亮灯。
之后在编辑器里用自然语言指挥智能体联网就行。
不用写代码，也不用自己维护连接。
改完配置文件重开一次编辑器就生效。
codex mcp add 把远程地址写进配置。
用技能包市场的方式。还能再简化一层。
命令行装好技能包，本地自动生成说明文档和脚本。
装技能包靠一行 curl 脚本。
搜到技能包，再一条 install 装好。
装完之后，对编辑器里的 AI 说一句「帮我搜索最新的」。
智能体自己识别语义。
搜宵禁返回 10 条。头一条是中国网。
有人拿脚本直连接口跑了一组实测。
查询词是当天热点。法国多个城市实施宵禁。
对比脚本在 14:28 跑完，首条发于 07:48。
返回的 10 条全是当天发布的报道。
最新的一条结果。离测试时间还不到 2 小时。
每条都带确切时间戳和可追溯的原文链接。
第二组是对比测试，查询词换成「最新政策发布」，参数里加了行业 gov 和时间范围 d7。
回来的全是政府网、商务部这类党政机关和主流官方节点。
自媒体和营销号一条都没混进来。
这类查询最怕拿到半年前的旧通知。
限了时间范围。翻出来的都是新发的。
加 gov 和 d7，回来的是中国政府网。
整体看，这套能力的优势在工程层面。
接入轻、理解准，信源稳，响应快。
它命中的是开发者那句心里话，不想自己做搜索，又想要一套靠谱的搜索。
马晋说，往后会沿三个方向走。
一是靠数据飞轮自迭代。让搜索模型持续闭环进化。
二是扩充全网多语言优质内容，目前覆盖中英双语，后面还会加。
三是深耕垂类，把金融、医疗和法律这几块的搜索做深。
三、基础设施的仗才刚开始
科技行业的竞争重心，永远沿着技术栈往下沉。
云计算时代拼的是算力和存储资源。
谁能给稳定又便宜的算力，谁就握住产业主动权。
大模型时代早期，注意力都在参数规模和生成效果上。
参数是最直观的比拼指标。
到了智能体落地期，重心又下移了一层。
谁能让 AI 更稳、更便宜地连接真实世界，谁才撑得起上层的规模化应用。
一个趋势已经很清楚。
AI 搜索正从可选插件。变成智能体时代的水电煤。
所有智能应用都绕不开这层基座。
就在元宝搜索官宣前不久，DeepSeek 也开放了自研的搜索接口，给智能体和检索增强类应用提供实时网页检索能力。
模型厂商和云厂商一起挤进这条赛道，本身就说明了一件事。
开放搜索能力，是行业走向成熟的必然选择。
模型能力逐渐趋同之后，上层应用的差异化，最终会落到基础设施的厚度上。
各家路径不太一样，模型厂商的搜索更侧重和自家模型深度联动，主打轻量和低成本。
云厂商出身的元宝搜索，优势在大规模业务验证过的工程稳定性。
还有垂类权威信源的覆盖，以及背后的生态资源。
两种路子可以一起把市场做大，让开发者多几个选择。
对开发者来说，选哪家不重要，能不能少踩坑才重要。
接一套稳定的检索。比自建省下的不只是钱。
省下的是六个月到一年的时间。
更实际的意义是降门槛。
这类经过大规模验证的基建开放之后，开发者不用重复造轮子，精力可以放在产品逻辑和用户体验上。
这会催出更多垂直场景的AI工具。
行业落地的速度，也就跟着快了一截。
AI 的下半场，注定是基础设施的战争。
搜索是模型和真实世界之间的入口。
这场仗，会在这里先打起来。
Codex安装汉化 中转站 微信:douhanq
