代理专心搜登顶产品搜寻，Token更省搜得更准

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> Agent专用搜索登顶Product Hunt，Token更省搜得更准 闻乐 2026-07-13 23:15:01 来源： 量子位 出自中国团队 闻乐 发自 凹非寺 量子位 | 公众号 QbitAI 本期Product Hunt周榜Top 1出自中国团队， AnySearch —— 一款 AI搜索 产品。 过去一年，PH榜一的位置被Agent、AI IDE、大模型轮番占据，几乎没见过搜索类产品的影子。 就是因为在全球开发者眼里，普通AI搜索已经很难突围了。 AnySearch这一登顶，挺新鲜。 看了下成绩单，在一项由Frames、FreshQA、WebwalkerQA组成300道问题的基准测试中，全程采用同一款LLM的条件下，AnySearch以76.4%的综合准确率领先Parallel、Brave Search； 同时，延迟方面AnySearch也是三家最优。 要说作为一个搜索产品，AnySearch还真有点特别，它不是给人用的，而是给Agent用的。 AnySearch不仅能搜到公开网页信息，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。 已经有用户现身说法，他原本用普通搜索给量化Agent扒美股资讯。 结果搜索到的内容过时消息一大堆，导致AI被误导判断失误。 更换了AnySearch之后，依靠来源去重、优先推送最新资讯，Agent拿到了靠谱情报，整套交易系统稳了不少。 （本文案例仅为用户个人体验分享，不构成任何投资建议。市场有风险，投资需谨慎。） 视频地址：https://mp.weixin.qq.com/s/xv3ukK9_KjdGCtov95uTYA 专为Agent打造的搜索，有意思，那必须得给我的Agent安排一下了～ 你的Agent，搜商够用吗？ 在实测之前，咱先说说为啥AnySearch看上去比较“新奇”。 现在不少AI搜索产品，还是把网页链接、标题和摘要丢给Agent。 这套方式对人没啥问题，扫一眼标题，就知道该不该点进去。 但Agent读取全文的成本太高了，网页里充斥的广告、SEO垃圾信息，极易造成上下文冗余。 最好的方法其实是让Agent能够直接用筛选后的有效信息解决问题。 所以对于AnySearch，咱的期待就是它能不能像官方宣称的一样，通过20多个垂类源和多源交叉过滤机制，给Agent交付更实时、准确的结构化内容。 开整！ AnySearch的接法很简单，通过 API、MCP或Skill 都可以，我这里就直接装的skill。 第一个任务，我想让AI帮我找到真实的生产级代码： 我在做一个项目，需要用Go实现一个API限流器，我不想看教程，给我真实开源项目里的生产级代码。 在使用AnySearch之前，我先用AI跑了一遍，结果不出所料，人家甩给我几个经典链接，摘了几段核心代码就算敷衍我了…… 再看看AnySearch实力如何。 这次我得到的是结构化代码，调用链更完整，可以直接借鉴实现。 然后我又选了一个非常典型的搜索场景，对一家公司做尽调，摸清底细。 这次我选择了Exa和AnySearch分别执行相同的搜索指令，将搜索结果传递给Agent生成报告。 两份报告开篇的基础工商注册信息维度覆盖度相近，基础公开资料完整度差距不大。 然后我又仔细看完了两份调查，有一个最明显的发现是，海外搜索引擎还是对国内事件了解不够。 在报告的风险部分，AnySearch能够精准抓取平台公示的企业合规相关记录； 而Exa输出的报告完全缺失这一类本土公示信息，关键风险维度直接空白。 经过这轮对比，我有点理解为啥AnySeaarch能拿PH榜Top 1了。 AnySearch不仅是能给到结构化信息，而且 搜到的内容更全更新 。 接下来我又让AnySearch做了一份全球能源市场报告，涵盖美国天然气库存变化、欧洲各国日前电价走势、澳洲电网碳排放强度。 最后我拿到的报告很详细，分区域库存明细、14国电价走势复盘、碳排放因子全拉齐了。 关键是，搜到的这些数据都是实时的。 美国天然气库存用的是EIA 7月9日刚发布的最新一期，欧洲电价甚至追到了7月12日的日前交割价。 测也测完了，那就来聊聊大家好奇的另一个问题： AnySearch到底做了什么，才把搜索质量拉开这么大？ 让AI看到网页之外的世界 它重新设计了一套适配Agent工作的搜索方式。 对Agent来说，如果源头拿到的素材本身就不靠谱，后面的推理能力再强，也是在错误的信息基础上白费力。 问题在于，Agent要面对的数据，本来就不在同一个地方。 一句提问背后，可能对应代码仓库、企业数据库、法律文书、学术平台、金融数据等完全不同的数据世界。 跟Exa搜索思路不同，Exa是在网页世界里做搜索，AnySearch则直接连接了网页之外的垂直数据源。 AnySearch搭建了覆盖通用搜索和20多个垂直领域的数据体系，包括代码、法律、学术、金融、安全、企业商业等多个方向。 △一个查询从进入AnySearch到交付给Agent 经过的处理管线 所以搜索的第一步，AnySearch会先进行一次智能意图识别，根据问题自动选择最合适的数据路径。 问公司背景，去翻工商数据库、投诉平台、专利库；问能源行情，去拉实时电价和库存数据。问代码实现，就去GitHub仓库里翻源码。 如果一个问题可能涉及多个领域，它又会同时发起多条搜索路径并行查询，谁先返回高质量结果，就优先进入后续流程，不会让Agent白等。 不过，选对渠道只是开端。 互联网最大的特点，从来不是信息太少，而是信息太多。 普通搜索引擎里经常出现同一个网站霸占大量版面，大量文章互相洗稿转载的情况。 对于人来说，这可能只是多翻几页的事儿； 但对于Agent而言，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。 并且，重复内容越多，真正有价值的信息反而会被稀释。 Tavily、Exa虽然也做了去重处理，但它们更多是把一堆结果全部返回给Agent，再靠模型烧Token自行筛选。 AnySearch专门针对AI读取方式，重新做了一套排序算法，将信息筛选前置。 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。 △图片AI生成 但即便是搜索到了高质量网页，这些内容依然不能直接交给模型。 于是AnySearch会完成最后一步内容整理，把模型不需要理解的元素全部剥离。 自动完成正文提取、页面去噪、内容清洗，再统一转换成Markdown结构化格式，把真正有价值