對話式AI搜索解決了傳統(tǒng)搜索中的一大弊端——你永遠不可能搜索你腦中沒有的概念。

無論是強大的OpenAI在2024年推出的SearchGPT，2024年冉冉升起的新星Perplexity，還是Google即將在AI搜索上布局跟進。AI搜索引擎一次次的出現(xiàn)在了我們面前，那么AI搜索究竟和傳統(tǒng)的Google搜索有什么區(qū)別？它能夠給我們帶來什么樣的變化，作為一個基于大模型的搜索引擎，它能夠如何助力產(chǎn)品經(jīng)理的工作效率？

快來和筆者一起來看下吧~

一、重新定義搜索引擎：全球第一個對話式AI搜索引擎

1. 支持自然語言組合提問

當你有不理解的問題時，通常會有很多相關(guān)聯(lián)的問題，在AI搜索中，你不需要一個個去提問，可以把所有想問的問題一次性丟給AI搜索

例如： 基于成熟的大語言模型創(chuàng)建應(yīng)用對于產(chǎn)品經(jīng)理的能力有什么要求？ 為什么說設(shè)計基于大模型的AI應(yīng)用產(chǎn)品時，產(chǎn)品經(jīng)理撰寫評估標準成為了核心競爭力？ 那么產(chǎn)品經(jīng)理應(yīng)該如何撰寫評估標準？

做到这三点挑战，产品经理只会不断升值

好的产品经理是很稀缺的，懂用户、懂商业、懂数据的产品经理走出互联网，依然是抢手货。相反，如果只做简单传话、低效执行、浅层思考的产品经理，恐怕走不过未来3-5年的洪流。

查看详情 >

當你有這些疑問的時候，你不需要像之前一條條搜索，只需要把這些問題丟給AI搜索，它可以自動拆分問題后對每個問題再處理。

2. 實時聯(lián)網(wǎng)搜索，自動生成搜索關(guān)鍵詞，同時確保文章的時效性

相比起傳統(tǒng)搜索單一關(guān)鍵詞，AI搜索會自動生成多組關(guān)鍵詞進行搜索，同時，它閱讀的文章都是比較新的文章，提升了搜索質(zhì)量。

同樣還是上面的例子，

基于成熟的大語言模型創(chuàng)建應(yīng)用對于產(chǎn)品經(jīng)理的能力有什么要求？ 為什么說設(shè)計基于大模型的AI應(yīng)用產(chǎn)品時，產(chǎn)品經(jīng)理撰寫評估標準成為了核心競爭力？ 那么產(chǎn)品經(jīng)理應(yīng)該如何撰寫評估標準？

我們可以看到Perplexity會針對每個拆分好的問題進行關(guān)鍵詞搜索，并閱讀相關(guān)的文章

3. 使用大模型整合答案，可驗證信息源提升答案可靠性

最后，AI搜索會使用大模型把所有的問題做答案整合，并在每個答案后面標注了參考的信息來源，確?；卮鸬目煽啃?。當然，如果有不確定的信息想要做二次確認，只需要點擊信息來源就可以看到原文章，非常方便。

同樣是上面的例子，我們可以看到AI搜索針對第一個問題整合了答案，并標注了每個答案的參考信息來源。

4. 多種類模式助力垂類信息的精細度

除了默認全網(wǎng)搜索，有些AI搜索還提供了精細化領(lǐng)域搜索，確保了信息搜索的精細度，如Academic：直接搜索學術(shù)論文，它們可以從從Semantic Scholar（學術(shù)論文），Arxiv（物理、數(shù)學、計算機科學，生物等）Pubmed ncbi（生物醫(yī)學和生命科學相關(guān)論文）等直接搜索論文，比如我們剛接觸AI產(chǎn)品研發(fā)時，大多數(shù)的學習都是從Arxiv中學習的，當時我們需要根據(jù)自己research不懂的問題再一個個去Arxiv去搜索，現(xiàn)在有了AI搜索，直擊源頭，大大提升我們學習一個新知識的效率~

5. 追加擴展問題主動掃盲

AI搜索大多會在結(jié)果后面提供相應(yīng)的擴展問題，只需通過繼續(xù)追問或點擊的簡單交互，就可以快速看到擴展問題的答案，尤其在新領(lǐng)域的知識學習下，可能有些問題你還不知道如何去問的時候，AI搜索已經(jīng)幫你準備了相關(guān)問題。這極大了解決了傳統(tǒng)搜索中的一大弊端：你永遠不可能搜索你腦中沒有的概念。

簡單來說，AI搜索從收到問題到產(chǎn)出答案會經(jīng)歷以下步驟

1. 自動拆解問題
2. 根據(jù)關(guān)鍵詞搜索問題（甚至根據(jù)不同的需求搜索不同領(lǐng)域，例如碰到學術(shù)相關(guān)的內(nèi)容會自動搜索學術(shù)論文）
3. 閱讀搜索到的文章
4. 選取合適的信息源并整合答案并在每個答案后面標注引用文章

這就是AI搜索的強大之處，可以想象，作為需要快速了解很多領(lǐng)域知識和前沿信息的產(chǎn)品經(jīng)理來說，這將大大提升工作效率和工作質(zhì)量。把信息搜索做到了又快（一次提出多個問題）又準（做了信息驗證）。

簡單來說，Perplexity的Pro Search從收到問題到產(chǎn)出答案會經(jīng)歷以下步驟

1. 自動拆解問題
2. 根據(jù)關(guān)鍵詞搜索問題（甚至根據(jù)不同的需求搜索不同領(lǐng)域，例如碰到學術(shù)相關(guān)的內(nèi)容會自動搜索學術(shù)論文）
3. 閱讀搜索到的文章
4. 選取合適的信息源并整合答案并在每個答案后面標注引用文章

這就是AI搜索的強大之處，可以想象，作為需要快速了解很多領(lǐng)域知識和前沿信息的產(chǎn)品經(jīng)理來說，這將大大提升工作效率和工作質(zhì)量。把信息搜索做到了又快（一次提出多個問題）又準（做了信息驗證）。

二、使用AI搜索的小技巧

1. 如果需要用到如垂類領(lǐng)域的專業(yè)搜索時，用純英文提問

由于學術(shù)文章無論從數(shù)量級還是質(zhì)量級上，英文資料都更勝一籌，所以當我們用類似Academic搜索學術(shù)相關(guān)答案的時候，使用英文提問通常更容易獲得更新更高質(zhì)量的答案。

2. 提好問題幫你“無中生有”，快速了解新領(lǐng)域知識

就像我們之前說的，傳統(tǒng)搜索的一大弊端就是你永遠不可能搜索你腦中沒有的概念，但是AI搜索可以幫你做到“無中生有”，腦袋里沒有概念？沒關(guān)系，問就好啦。

例如：

我剛剛轉(zhuǎn)型到供應(yīng)鏈做產(chǎn)品經(jīng)理，請幫我列出10個必須掌握的行業(yè)相關(guān)概念。每個概念出來之后就可以去一一學習。

Perplexity會生成10個相關(guān)概念，你要做的就是把這10個相關(guān)概念，通過對話式的交互方式繼續(xù)學習，無論是生成答案，重寫答案，繼續(xù)追問等等，快速拓展自己的知識盲區(qū)。

再例如：

如果你要做SOWT分析或BRD時，需要查看某個具體行業(yè)相關(guān)的研究報告，往常你可能要去艾瑞咨詢或各個咨詢行業(yè)搜索關(guān)鍵詞，下載報告，查看，很有可能看了幾天，才能總結(jié)出相關(guān)結(jié)論。

現(xiàn)在你只需要告訴Perplexity，“請幫我找?guī)追莺团嘤栃袠I(yè)競爭格局相關(guān)的研究報告?！?，你會立馬獲得幾份研究報告，如果想看具體的研究報告你只需要點擊信息源即可。我試下來無論是PDF還是網(wǎng)頁，都可以直接查看到信息源，大大節(jié)省了時間。

還有一些其他問法，例如

針對***，請告訴我最前沿的信息或者成果

給我一個和***相關(guān)的具體對標的案例研究

給我艾瑞咨詢最近3年關(guān)于大健康行業(yè)研究報告的鏈接

我已經(jīng)知道了和**相關(guān)的某些知識（舉例列出），除了這些知識，還有哪些知識是我需要了解的？

AI搜索，讓快速了解一個行業(yè)，學習一個新的領(lǐng)域?qū)⒆兂梢患浅Ｈ菀撞僮鞯氖虑椋@對產(chǎn)品經(jīng)理來說是個大大的好消息。

3. 限定輸出字數(shù)

和ChatGPT一樣，由于AI搜索的回答是用大語言模型整合生成的，所以根據(jù)自己的需要限定輸出字數(shù)，也可以幫助你獲得更符合期待的答案。

例如，

請告訴我測評和評鑒的差別是什么，不超過800個字。

4. 巧用中英翻譯插件，讓語言不再是阻礙

如果有些伙伴要想要用英文提問用獲得更高質(zhì)量的答案，但是對自己的英文沒有信心怎么辦？除了用復制黏貼用其他大語言模型或翻譯應(yīng)用翻譯，有一個更簡便的方法。

我們可以使用一些英文網(wǎng)頁插件配合AI搜索使用，做到快速的中英文轉(zhuǎn)換

三、總結(jié)

根據(jù)紅杉資本的預測，下一個AI殺手級應(yīng)用極有可能在AI搜索中產(chǎn)生，可以預知2025年在AI搜索市場會有更加激烈的市場

一起期待一下，AI搜索能再給我們帶來什么巨大的變化吧~