type
status
title
summary
slug
Created
Mar 24, 2024 03:37 AM
category
tags
Date
icon
password
一、前言
在数字化的今天，搜索引擎已经深深植根于我们的日常生活，百度和Google这样的大型搜索引擎更是成为了获取信息的代名词。
这两个霸主都已立足接近二十年，百度自2000年创立，而Google早在1998年就已经出现，不过随着AI的冲击，搜索引擎或许将迎来一个新篇章，而拉开这个序幕的就是我们今天要提到的秘塔AI搜索引擎！
二、秘塔AI的优势在哪？
从上面的图片可以看出，秘塔AI其实主打的优势非常明显，一共分为四点：
- 没有广告
- 提供直接、精准的答案，并包含引用源
- 自动生成大纲、思维导图
- 学术搜索
2.1 没有广告
这一点我觉得要分场景，对于普通的搜索引擎，比如百度和Google，这确实是一个优点，因为对于这些搜索引擎，要想排名在最前面，是需要付费的，这也导致了排名最靠前的不一定就是你想要的结果。
但是对于目前一些常见的AI对话机器人，比如文心一言、通义千问和KimiChat，他们其实也是干着和搜索引擎差不多的事，而且同样没有广告。
另外，个人觉得没有广告就是互联网一个比较常见的早期获客方式，未来各个大模型有没有广告还真不好说。
2.2 提供直接、精准的答案，并包含引用源
这一点跟普通搜索引擎比的话，确实略胜一筹，但是跟其他AI对话机器人比的话，其实现在也有很多对话机器人开始在返回的内容注明引用源。
比如像
KimiChat
又或者
devv
之所以秘塔AI，或者其他工具能做到包含引用源，我觉得其实也很好理解，因为搜索引擎和AI模型其实扮演的角色不太一样。
搜索引擎上的知识是由许许多多的人创造的，而不同的人是存在个体差异的，有些人会写得好，有些人会写的差，有些人会引用参考的文章，有些人则不会。但是AI不同，你搜索的内容都是由AI创造，只不过它参与的是你在网络上发的内容，所以他能做到统一，每一篇回答会能包含引用源。
简单来说就是：普通搜索引擎扮演的是一个检索的角色，AI模型扮演的是一个检索+创建新内容的角色。
2.3 自动生成大纲、思维导图
这一点我觉得不管是相对于普通搜索引擎，还是相对于其他AI大模型而言，确实是一个亮点。
但这一点有一定的使用场景，比如你想检索的内容比较简单，其实给不给你思维导图都不是很重要，但如果你检索的内容比较复杂，或者是你不熟悉的领域，则思维导图可以帮助你很好地了解。
比如说我之前从没接触过Rust语言，现在想学习，通过这份思维导图就能有一个较好的整体理解
有一个更实用的点是，思维导图每个小点都有一个编号，这个编号指向引用的文章，对我们校验知识的准确性非常方便！
另外，我觉得这个功能在梳理历史事件上也有比较好的优势，比如总结下中国的古代史：
或者你也可以让他帮你总结下一本书的核心内容，这点其实和微信读书之前推出的AI大纲有异曲同工之妙，但是实际效果会略差于微信读书，毕竟人家有完整的书籍内容。
2.4 学术研究
这一点我也觉得是一个亮点，是最近才推出的功能，对搞学术研究的朋友特别友好。
之前普通搜索的话，引用的内容大多是别人写的博客，或者写作平台发布的内容，缺乏一定的严谨性。而当你搜索的时候，将搜索范围由全网改成学术，引用的内容就会变成文献，对于写论文的同学非常友好！
而且像之前写论文的时候，其实特别费劲，要先在各个平台把相关的文献都找到，再逐个阅读，摘录，然后填充到自己的论文大纲里，而有了秘塔AI，效率其实能够大大提升（还不快推荐给你舍友）
还是以前面的Prompt为例：
三、秘塔AI的不足
相信如果你体验过的话，应该能发现秘塔AI的一个最大不足，当然是相对于普通的搜索引擎来说，那就是搜索速度不够快！
普通搜索引擎几乎是毫秒级响应，更多的是取决于你的网速；但是像秘塔AI搜索引擎的话，检索一次大概需要花费4-5秒，大概是普通搜索引擎的几倍。
所以总的来说，像秘塔AI搜索引擎其实还不能完全替代普通的搜索引擎，它更多的是一种补充，当你在普通搜索引擎检索不到的内容，也许在这里能得到回答；当你要写论文的时候，它也许能大大提高你的效率！
四、其他竞品
在了解秘塔AI搜索引擎的时候，也顺带试用了他的一些竞品，比如像
Perplexity、Komo、Phind和前面提到的Devv等。4.1
Perplexity总体的设计和秘塔AI非常像，也支持中文检索，不过就是没有秘塔AI的思维导图
4.2
Komo界面很简洁，但好像不支持中文检索，当输入中文的时候，那个按钮点了一直没反应，后面翻译成英文就可以了。
4.3
Phind 和 Devvdevv：https://devv.ai/
这两款主打的是技术方面的检索，对编程开发人员比较友好，一个是国内版，一个国外版
我是AI技术巫，欢迎关注我，掌握第一手AI资讯与技巧！
- 作者:AI技术巫
- 链接:https://ilovetech.cn/article/ai_metaso
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议，转载请注明出处。
