Agent 模型越來越會推理，但喂給它的信息，依然來自一個為人類眼睛設(shè)計的搜索體系。

金融數(shù)據(jù)、裁判文書、學(xué)術(shù)引用、威脅情報，這些完成專業(yè)任務(wù)真正需要的數(shù)據(jù)，大多在傳統(tǒng)搜索引擎觸及不到的地方。這些藏在開發(fā)者日常體驗里的問題，導(dǎo)致其在使用 Agent和 AI工作流執(zhí)行復(fù)雜任務(wù)時，往往需要經(jīng)歷多輪搜索。更新不及時、來源不可靠的低質(zhì)量信息，直接將后續(xù)推理引向錯誤方向。

近日，一家初創(chuàng)公司推出了專為 Agent 設(shè)計的 AI 搜索層服務(wù)。

AnySearch 5 月11日正式上線，上線首月已有 10 萬名全球開發(fā)者接入使用，累計搜索調(diào)用量突破400 萬次，GitHub Star 數(shù)突破 4000。來自亞太、北美、歐洲等多個地區(qū)的開發(fā)者，已經(jīng)將 AnySearch 設(shè)置為 Agent 默認的搜索層工具。上線僅一周便沖上 Agent 技能市場 Skills.sh 的熱榜第一。

6 月3日，AnySearch V2.1.0 版本正式發(fā)布，完成上線以來算法層與架構(gòu)層的核心升級。

目前，產(chǎn)品對個人開發(fā)者全面免費，Pro 付費版與企業(yè)定制方案也在同步推進中，全程無廣告、無用戶數(shù)據(jù)追蹤，查詢處理后即銷毀。

適配 Agent 需求：重構(gòu)傳統(tǒng)搜索邏輯

AnySearch 要解決的核心問題，是當前搜索體系與 Agent 需求的錯位：過去三十年的搜索引擎全部圍繞人的眼睛設(shè)計，以 Top-K 相關(guān)性作為主要優(yōu)化目標。但 Agent 不是人，它擁有更寬、更平緩的信息感受野，能短時間消化大量輸入，搜索結(jié)果會直接進入后續(xù)推理鏈路，成為分析和決策的依據(jù)。給人看的相關(guān)性排序，對 Agent 來說是一套過時的機制。

“我們認為，未來 Agent 的競爭不僅是模型能力的競爭，更是信息獲取能力的競爭?！?AnySearch 聯(lián)合創(chuàng)始人韓廣彤表示。

圖丨 AnySearch 團隊成員（來源：AnySearch）

AnySearch 核心成員都是資深的 AI 開發(fā)者，在產(chǎn)品開發(fā)的初期，他們圍繞 AI Agent 信息獲取的話題，深度訪談了 100 多位開發(fā)者，提煉出了三個普遍需求：搜索過程要高效，減少調(diào)用次數(shù)和上下文消耗；相比覆蓋更多網(wǎng)頁，開發(fā)者更想直接拿到金融、法律、學(xué)術(shù)、安全這類專業(yè)領(lǐng)域的多維數(shù)據(jù)；他們要的不是又一個搜索引擎，而是一套貼合 Agent、AI 工作流的信息獲取基礎(chǔ)設(shè)施。

放眼全球， AI 搜索賽道的前景已經(jīng)部分得到驗證，美國 AI 原生搜索廠商 Exa 以 22 億美元估值完成融資。

全鏈路智能搜索：少量調(diào)用完成復(fù)雜專業(yè)調(diào)研

基于對開發(fā)者需求的深刻洞察，AnySearch 構(gòu)建了一套全新的搜索體系。一條查詢進入 AnySearch，第一步不是直接檢索，而是查詢理解。

以企業(yè)盡調(diào)場景為例，用戶在 Agent 里輸入查詢某公司股權(quán)結(jié)構(gòu)、涉訴記錄和專利布局的指令，系統(tǒng)會先識別出這是一項企業(yè)研究任務(wù)，并把它拆解成幾個維度的信息需求。隨后進入路由編排：股權(quán)結(jié)構(gòu)走企業(yè)工商數(shù)據(jù)源，涉訴記錄走法律數(shù)據(jù)庫，專利布局走知識產(chǎn)權(quán)數(shù)據(jù)庫，多路并行檢索。

圖丨 AnySearch 的查詢檢索流程（來源：AnySearch）

結(jié)果返回后，系統(tǒng)對不同來源的數(shù)據(jù)做歸一化、重排序和結(jié)構(gòu)化融合，把股權(quán)關(guān)系、經(jīng)營記錄、訴訟信息和專利數(shù)據(jù)映射到同一家企業(yè)實體上。最終交付給 Agent 的是一份帶來源標注的結(jié)構(gòu)化盡調(diào)結(jié)果，Agent 可以直接基于它生成報告。

同樣的路由邏輯適用于 AI 編程、學(xué)術(shù)研究等垂直領(lǐng)域，其價值不只是信息更準，也在于減少無效檢索帶來的延遲和資源浪費。

這種效率差距是可以被量化的。在 AnySearch 最近做的一次搜索能力測試中，幾個接入不同搜索工具的 Agent 完成同一項代碼研究任務(wù)，所有方案都找到了正確答案，但 AnySearch 只用了 1 次搜索調(diào)用，其他工具分別用了 7 次、16 次和 28 次。有開發(fā)者實測反饋，平臺輸出的金融數(shù)據(jù)精確到了具體數(shù)字，而不是模糊的“大幅增長”。

圖丨 AnySearch 在三個基準數(shù)據(jù)集上的準確率表現(xiàn)（來源：AnySearch）

V2.1.0 的升級重點也在這條鏈路上：算法層引入了融合語義相關(guān)性與時效性信號的混合排序，架構(gòu)層重構(gòu)了領(lǐng)域劃分和路由邏輯。韓廣彤表示，此前最大的瓶頸不是單純的延遲或準確率，而是搜索質(zhì)量的穩(wěn)定性，當 Agent 開始處理越來越復(fù)雜的跨領(lǐng)域任務(wù)時，系統(tǒng)需要持續(xù)返回正確結(jié)果。

自建數(shù)據(jù)管線的苦活兒，成為信息護城河

專業(yè)數(shù)據(jù)從哪來，決定了產(chǎn)品的質(zhì)量。AnySearch 采用自建索引加外部數(shù)據(jù)源接入的聯(lián)邦架構(gòu)。對于金融、法律、學(xué)術(shù)、安全、企業(yè)工商等高價值領(lǐng)域，團隊建設(shè)了自己的數(shù)據(jù)管線，覆蓋采集、清洗到索引構(gòu)建的端到端鏈路；核心數(shù)據(jù)完全自主可控，規(guī)避第三方 API 帶來的質(zhì)量、更新頻率與穩(wěn)定性問題；通用場景與長尾需求則通過外部數(shù)據(jù)源補足。

針對金融、司法等高容錯率場景，平臺搭建了多源交叉驗證機制，所有結(jié)構(gòu)化數(shù)據(jù)均保留來源信息和可追溯鏈路，避免 Agent 基于單一來源信息做出誤判。

但真正的苦活兒在日常維護。專業(yè)數(shù)據(jù)運維是長期深耕的系統(tǒng)性工作：不同領(lǐng)域數(shù)據(jù)更新節(jié)奏差異極大、接口協(xié)議和質(zhì)量信號完全異構(gòu)、跨領(lǐng)域之間也不存在天然可比的質(zhì)量標準。此外，Agent 拿到結(jié)果后推理效果如何，搜索系統(tǒng)看不到，只能靠間接指標持續(xù)改進。韓廣彤說：“這是一塊永遠滾不到山頂?shù)氖^”。

Skill 接入方式走紅，社區(qū)生態(tài)自發(fā)生長

AnySearch 同時支持 Skill、MCP、API 三種接入方式，幾乎零配置、易部署的 Skill 方案最先出圈，在社區(qū)贏得了廣泛認可，AnySearch 上線僅一周便沖上 Agent 技能市場 Skills.sh 的熱榜第一。

圖丨 AnySearch 的 GitHub 主頁（來源：GitHub）

韓廣彤表示，雖然 AnySearch Skill 在 GitHub 上的關(guān)注度高于 MCP，但這不代表實際使用量領(lǐng)先。在團隊的定位里，Skill 適合個人輕量化場景，MCP 與 API 更適配企業(yè)級深度集成與生產(chǎn)環(huán)境部署，本地化 MCP 方案也在持續(xù)探索中。

除了增長速度超出了預(yù)期，更讓團隊意外的是擴散方式。越來越多開發(fā)者自發(fā)為 AnySearch 編寫第三方工具和工作流，一些團隊原本沒有重點關(guān)注的 Agent 框架里，也出現(xiàn)了社區(qū)貢獻的集成項目。