模型

ExaAILabs 指出智能体搜索查询与人类习惯差异大

精选理由

jpinner 拿了几个人类搜索和智能体查询的真实对比,一眼就能看出两者差别有多大。如果你在给 Agent 接搜索或做 RAG,这条视频能帮你理解为什么传统搜索结果老是不合约束,该换检索思路了。

ExaAILabs 的 jpinner 对比了人类在 Google 上的简短搜索与智能体的查询方式:智能体发出的查询带有大量日期、版本号、地点和约束条件。

图片来源 · AI Engineer
正文

他指出传统搜索引擎按人类短查询优化,难以处理这类高约束查询。一个典型例子是:当查询要求返回美国以外的公司时,搜索结果给出美国公司也算不上合格答案,而现有引擎常做这类近似匹配。

这说明做智能体检索时不能直接沿用面向人类搜索的排序逻辑,需要支持精确约束过滤的检索方案,ExaAILabs 本身也在做面向智能体的搜索 API。

原文 · AI Engineer

Agents don't search like people. @jpinner of @ExaAILabs compares short human searches on @Google with agent queries full of dates, versions, locations and constraints. When a query asks for companies outside the US, returning a US company isn't close enough.

产业坐标与信源核验

本条情报归属 AITOP「模型」核心栏目,重点聚焦北美前沿实验室与硅谷科技巨头。在跨区域产业观察坐标中,该动态直接关联「AI 开发者工具链、Coding Agent 与工程化实践」「中美大模型技术代差与商业化对照」研究主线,反映出当前技术演进与商业落地的最新风向。涉及核心实体与技术议题包括:ExaAILabs、Google、智能体、RAG,读者可通过下方标签进入对应专题页查阅历史脉络与关联对比。

信源核验说明:本文原始线索采编自「AI Engineer」(@aiDotEngineer),经 AITOP 多维评分管线结构化提炼。