知乎直答，让我看到AI搜索的另一种可能_风闻

　　AI搜索，到底还有多少想象力？

　　这个问题的答案，总是常看常新。

　　就在今天，知乎旗下的AI搜索产品知乎直答陆续在多平台上线测试新版本，这次主要有两方面的升级：

　　一方面是加强了搜索和知乎答主之间的连接，让用户在搜索时可以直接聚焦答主的内容，并且答主的创作也会直接在搜索结果上呈现。

　　另一方面，则是把专用搜索和通用搜索结合，进一步扩容了可调取的知识库。

　　趁着热度，知危编辑部也在第一时间上手了新版本的知乎直答。

　　首先在易用性上，知乎直答把AI搜索的使用门槛进一步降低了。

　　最直观的，“通用搜索”和“专用搜索”已经统一整合到了“搜索”入口里。

　　把两种不同模式的搜索合二为一之后，用户就不需要再纠结自己的问题到底是用通用搜索好，还是专业搜索更好，AI对所有问题都一视同仁。

　　举个例子，“国内的动力电池回收存在哪些难点？”这个问题算不上特别学术，但要回答起来也需要一定门槛。

　　知乎直答的做法是，不管什么难度，只要是语料库里有的就全端上来。可以看到，知乎直答引用包括知乎答主的创作、论文PDF，还有一部分相关网页，分析出了回收体系混乱、技术难度大、经济性不足等动力电池回收的难点。

　　一句话总结就是，新版本的知乎直答更专业，用起来也更顺手了。

　　另外，接入了满血版DeepSeek R1的知乎直答，推理能力也不是一般的强。

　　可以看到，知乎直答的思考逻辑十分清晰，从初步的策略汇总，再到如何分类、检查遗漏，还要确保最后输出的结构。

　　如果大家还在被DeepSeek的服务器“拒之门外”，那知乎直答可能是效率更高的选择。

　　重点来了，新版本的知乎直答还加强了内容溯源，不仅溯源社区内容，更溯源到了答主本身，相当于专家直接给搜索结果“背书”，让搜索结果的可信度进一步提升了。

　　输入问题“MCP是什么？”，知乎直答参考了41个信息来源，排在前面的好几个来源几乎都是知乎答主的创作。

　　并且在搜索结果的呈现上，哪句话、哪种观点来自哪一位知乎答主，点击可以直接跳转到原文。

　　这还没完，知乎直答的新功能可以说是越挖越有料。

　　我们在使用的过程中发现，针对搜索结果中的某些信息，可以继续追问下去。

　　在上面那个搜索结果的基础上，我们想知道答主@黄禅宗dogstar关于MCP的文章里，提到的PostgreSQL是什么。

　　把光标移动到这位答主的位置上，点击引用，下面的搜索框就自动关联上了答主的这篇文章，再输入“PostgreSQL是什么”。

　　AI在整理来源的时候，就只参考了这位答主的这一篇文章。

　　包括后续生成的结果，也是结合了这篇指定的文章进行解释。

　　在追问其他MCP的相关问题时，还可以直接用@，引用某位答主的文章，就比如我们引用了@非著名程序员的创作。

　　最后的结果，就只参考了这位答主的文章。

　　这种模式的AI搜索，直接把知乎创作者当成知识库来用，而且对我们用户来说，不管是找答案，还是找信源，可选择的自由度也更高了。

　　总之，从整体的使用体验上来说，知乎直答这次更新给了我们新的惊喜，围绕内容社区这条主线做AI搜索，但每次都能玩出新花样。

　　不得不承认，从优质内容社区生长出来的知乎直答，在答案检索这件事情上确实有优势。

　　知乎2024年第三季度财报数据显示，社区累计内容创作量达到8.55亿，平台累计内容创作者达到7770万。

　　有大量创作者，为内容社区提供源源不断的内容养分，而商业化体系完整的社区生态，又会继续吸引创作者持续稳定输出。可以说，创作者和专业内容已经为知乎筑起了坚固的护城河。

　　所以在这种内容生态上建立起来的知乎直答，才又让AI搜索有了更多的想象空间：不仅仅只是让问题找到更专业的答案，也让更多值得被看见的创作者走到聚光灯下。

　　从产品形态来说，知乎直答可以让用户直接定位到具体的知乎答主和创作原文，这种溯源的方式也给创作者提供了更多的展示渠道。在放大知识、创作者价值的同时，又为商业化提供了另外一种可能性。

　　而从产品功能本身来说，以内容社区作为支撑的知乎直答，也能够有效缓解AI幻觉出现的概率。

　　之所以AI会出现一本正经的胡说八道，一个很重要的原因就是模型是基于概率预测，当信息密度不够，或者训练数据比较少的情况下，AI就容易产生幻觉。

　　但知乎直答最明显的一个特点，就是在搜索的时候参考了大量内容社区的语料，信息密度提高以后就可以一定程度减少AI胡编乱造的概率。同时这些语料由背后的专家网络源源不断地生产出来，提供持续喂养和校准AI的动能。

　　所以知乎直答，相当于给AI搜索产品的进化提供了一个新思路。

　　如果我们把视角放宽，不只是聚焦在知乎直答这一个产品上，就会发现AI搜索似乎已经进入了一个新的阶段。

　　过去，大家更看重底层的模型性能，但模型越强，并不代表AI搜索能做得越好。

　　一个典型的例子，国外AI搜索产品Perplexity经常被指责“套壳”，也并不妨碍它成为了一款十分有价值的AI搜索产品。

　　图源：@Just AI News

　　因为Perplexity并不只是简单套壳，而是在产品层面上做了一系列的优化。

　　以减少幻觉为例，Perplexity在搜索中引入了RAG（检索增强生成），这种技术就相当于给搜索提供了辅助验证，让AI可以结合外部信息来生成更准确的回答。

　　换句话说，AI搜索可能更考验交互体验、语料质量和检索能力。

　　另外，今年DeepSeek开源以后，很多产品在底层模型上又回到了同一个起跑线上。这个时候，大家也不再过多纠结模型的参数，而是把目光聚焦到产品本身。

　　应该如何做好一个AI搜索，知乎直答已经交出了一种答案。

　　而且透过知乎直答这个产品，我们也看到了在AI搜索的话语权愈发强势的今天，知乎上那些每天穿梭在各个问题下的创作者们，显得尤为珍贵。