为Agent设计的AI搜索什么样？为什么20万开发者选AnySearch

很多开发者对 AnySearch 应该都不陌生，Github Star 6000+，上线首月狂揽全球10万开发者用户。

在Product Hunt上，它也是周榜第一。

到底是何方神圣呢？

它是一个为 AI Agent 打造的搜索基础设施，从第一天就是原生的For Agent设计；

而且还是非常年轻的中国95后、00后团队做出来的新产品，几个月的时间，发展非常迅速。

前几天去了AnySearch组织的活动，启发比想象中更大。

创始人薛冠群提到，AnySearch 上线两个月时间，全球用户增长到了20万，总调用次数已经超过 2000 万。

这个用户量和调用次数，我是有点意外的。

不是给人用的搜索，给Agent用的，还能有这么多的人类用户，它到底好在哪呢？和传统的AI搜索又有什么不一样呢？

活动现场的圆桌质量很高，关于信息准确、隐私、安全、成本……把很多Agent搜索背后的隐秘卡点，都聊出来了。

AnySearch 联合创始人韩广彤的回答很坦诚清晰：“准确性、时效性、来源可信度以及上下文匹配能力，将成为衡量 Agent Search 的关键指标。”

官网：https://www.anysearch.com/

到底AnySearch用起来怎么样，今天跟大家详细说说。

01

搜索引擎是给人设计的，AnySearch是给Agent设计的

过去三十年的搜索引擎，全部是围绕人的眼睛设计的。

人看搜索结果，扫一眼标题就知道点不点进去，看一眼摘要就知道有没有用。

但Agent不是人。

Agent的信息带宽更宽，能短时间消化大量输入，搜索结果会直接进入后续推理链路，成为分析和决策的依据。

给人看的相关性排序，对Agent来说是一套过时的机制。

拿AnySearch跟Brave Search和Parallel做过一次对比测试。

在300道覆盖Frames、FreshQA、WebwalkerQA的混合问题上，全程用同一款LLM，AnySearch的综合准确率76.4%，是三家最高的。

延迟也是最优的，出答案的速度最快；而且同样100个事实判断，AnySearch答对76个，传统搜索只答对64个。

12个答案的差距，真实使用来看，接近于靠谱和不靠谱、可用和不可用的差别。

但更让我觉得有意思的，是它解决了一个困扰我挺久的问题：为什么AI用搜索引擎总是那么笨、还不准。

02

AnySearch有结构化的信息输入

除了各家都能检索到的公开网页信息，AnySearch还能覆盖高质量的垂直领域数据，专门给Agent提供更实时、准确、可追溯的结构化信息输入。

我让其他AI帮我找一个Go语言的生产级限流器实现，明确说了不要教程、不要示例代码，要真实项目里能直接用的代码。

传统AI搜索给我的是一堆GitHub项目名和链接，uber-go/ratelimit、golang/time/rate，然后让我自己去翻文档、读源码、拼凑方案。

我要的是能直接用的代码，它给我一份自己去查的链接清单。

换成AnySearch之后，我拿到的是结构化代码，调用链完整。Redis加Token Bucket实现、Sliding Window算法、HTTP Middleware集成这些生产级最佳实践直接铺在面前。

响应速度还非常快，秒出答案。

身边的算法朋友说，他就不要教程、不要文档，很多时候就想要真实项目代码。

AnySearch就很好解决了这个问题，终于不用看一堆目录索引和文字，再去费心查找了。

代码搜索场景，在Vibe Coding的今天，越来越成为高频领域，差距还是挺大的。

还有个测试，几个接入不同搜索工具的Agent，完成同一项代码研究任务，所有方案都找到了正确答案，但AnySearch只用了1次搜索调用，其他工具分别用了7次、16次和28次。

1次对28次，Token消耗量差了很多，效率上也是区别明显。

再说一个我最近遇到的场景。

做一家公司的尽职调查，查工商注册信息、融资历史、有没有吃过官司、核心团队背景、用户投诉情况。

传统搜索能查到的只有公司官网的简介和一些公开新闻，融资方可能是编的，诉讼记录可能漏掉了，投诉情况完全没有覆盖。

我拿AnySearch试了试，直接输出的就是我喜欢的Markdown格式。

同样的搜索指令，拿GPT也试了一下。

基础工商信息两家差不多，但一到风险部分，差距就出来了。

GPT能拿到的，基本还是公开数据，很多中文内容都有欠缺，展现逻辑上也纯文本。

AnySearch能抓取到平台公示的企业合规记录，这一类本土公示信息的处理很到位，关键风险维度也很立体完整。

国外最好的大模型、最好的搜索产品，在中国本土公开信息领域也都无能为力，这肯定是个差异化优势。

跨领域的聚合，for Agent的信息逻辑，背后既是Agent原生搜索定位的差异，也是数据源的问题。

发现AnySearch聚合了覆盖金融、法律、学术、安全、能源、企业工商等20多个垂直领域的专业数据源，可以说是越细分垂直，搜索质量就相对更高。

法律数据穿透裁判文书网。学术数据直达论文引用。

通过一个统一API，Agent就能直接拿到精准结构化的信息，也就不需要开发者自己管理几十种不同的数据接口。

像我自己用，很多时候真的不想要费token的长篇大论，几个精确的数字、几行严谨的代码，就够了。

03

智能路由：不用告诉AI去哪儿查

AnySearch还有一个设计我觉得很聪明，「智能意图路由」。

输入一个查询，系统先识别这是一项什么任务，然后拆解成几个维度的信息需求，再分别路由到对应的数据源。

查公司股权结构走企业工商数据，查涉诉记录走法律数据库，查专利布局走知识产权数据库，多路并行检索。

结果返回后做归一化、重排序和结构化融合，最后交付给Agent的是一份带来源标注的结构化结果。

不用告诉AI去哪儿查，它自己知道。

这跟传统搜索的思路完全不同。

传统搜索是关键词匹配，给你一堆链接你自己挑。

AnySearch是先理解你要干什么，然后替你去对的地方找到对的答案，再把答案整理好交给AI直接使用。

互联网最大的特点，从来不是信息太少，而是信息太多。

对于Agent来说，每一条搜索结果都会进入上下文，除了重复内容外，如果搜索结果不准，也会引发Agent自动多轮搜索，最终导致Token浪费。

而AnySearch有几个很巧妙的技术设计：

同源衰减算法，会主动降低同一网站重复内容的权重，避免整个搜索结果都来自一个站点；

信息密度仲裁算法，会在相关性相近时，优先保留信息量更丰富、覆盖更全面的内容；

与此同时，混合排序算法还会同时考虑语义相关性和内容时效性，让真正最新、最相关的信息排到更靠前的位置，不会被营销推广内容挤占前排位置。

经过这一轮排序之后，留下来的才是真正值得交给模型处理的信息来源，不给模型增添额外负担。

「智能意图路由」就是这么一个很精妙的设计，抑制信息的熵增，让有效内容浮现。

04

搜索正在成为AI时代的基础设施

稍稍总结一下。

API-First、无广告、不给人类找网页，给AI提供结构化的可读信息……

深度体验下来，AnySearch给我的感觉确实是个底层基础设施，未来基于Agent生态能有很强的延展性。

我在想，AI的下一个阶段发展，一定不止依赖模型能力的跃升，也需要搜索、数据和工具调用这些基础能力持续进化。

模型的推理能力在飞速进步，但能不能拿到可靠的信息，仍然是AI能力提升的最大瓶颈之一。

AnySearch在做的这件事，本质上是把搜索从面向人的工具，重构为面向机器的接口。

搜索结果不再是给人看的链接列表，正在成为给AI用的结构化数据。

当AI不再需要人类帮它筛选信息、解析网页、提取数据，而能自己完成从信息获取到推理决策的完整链路时，很多今天看起来还不太靠谱的AI应用，可能就真的能用了。

我打算把我Agent的搜索层，全部替换成 Anysearch。

在官网首页搜索试用后，可以一键复制请求到 Agent，继续完成任务。

注册后每天1000次的免费调用额度，能满足我用 Agent 开发的精准信息搜索需求。

听创始人薛冠群，还特别介绍了面向全球推出 【AnySearch 学生&开发者成长计划】。

只要是在校学生、AI开发者或者开源项目贡献者，认证之后，每天给你2000次免费搜索调用额度。

用于学术研究、课程实践、应用开发、开源探索，随便怎么用都可以。

真心觉得，不妨试试！现在去AnySearch官网认证，直接就能领取更高搜索额度！

文章来自于微信公众号 “AI异类弗兰克”，作者 “AI异类弗兰克”