2汤祯捷-DACon北京站 AI搜索的技术效能：从_检索_到_洞察_v2.pdf

1、演讲嘉宾：汤祯捷AI搜索的技术效能：从“检索”到“洞察”0 1趋势：信息检索的趋势：信息检索的AgenticAgentic时刻时刻0 2挑战：企业搜索的新观察挑战：企业搜索的新观察0 3实践：从实践：从检索检索到到洞察洞察AIAI搜搜索索0 4目标：构建目标：构建AIAI搜索基础设施搜索基础设施0 1 趋势：信息检索的趋势：信息检索的AgenticAgentic时刻时刻现在的AI搜索AI搜索的背景与趋势搜索的背景与趋势0 2 挑战：企业搜索的新观察挑战：企业搜索的新观察传统企业搜索的困境员工每周花费20%的工作时间查找信息，这反映了现有搜索方案的根本缺陷找不到关键词必须精确匹配。搜索Q3业绩与

2、三季度销售额返回完全不同的结果。看不懂海量文档、工单、链接淹没用户。需要手动阅读、甄别、汇总，耗时耗力。连不通数据分散在OA、CRM、ERP、邮件、网盘中。搜索框无法跨系统获取完整视图。进化一：意图理解传统方式关键词匹配你搜什么，我给你什么基于词频和索引，无法处理同义词、缩写或复杂问句。示例：搜Alpha项目负责人返回50个包含关键词的文档。进化方向意图理解我猜你真正想要什么基于NLP、语义搜索和用户画像，理解上下文和角色。示例：直接给出答案张三(PM)及其联系方式和项目主页。核心能力：理解行业专业用词、公司术语和项目代号；基于用户身份提供权限匹配的个性化结果。挑战：听懂用户心里话进化二：知识

3、提炼挑战：连接一切并萃取价值信息孤岛传统企业搜索搜索单一或有限的数据源，结果割裂。用户需手动拼凑不同系统的信息。示例：10封邮件、5个CRM工单、2份合同文档分散显示。知识整合统一知识引擎统一连接器+知识图谱+RAG技术生成综合、结构化的完整答案。示例：生成摘要客户A合同即将到期，最近解决2个紧急工单，销售李四反馈积极。关键挑战：宽度覆盖数据源、深度利用大模型从非结构化数据中提炼结构化知识。进化三：动态交互挑战：从工具进化为智能Agent静态搜索传统结果列表10条蓝色链接，一次查询一次返回。搜索即结束，无法深入探索。示例：对比供应商查询返回5份A的合同、6份B的介绍PPT。动态交互对话式AI多

4、轮对话、持续追问、实时生成内容。搜索即开始，在交互中完成工作。示例：用户追问加入C供应商，重点关注交付周期，系统实时更新对比表格。核心目标：确保生成内容准确性，从问答进化到执行（如自动预订会议室）。检索平权全模态混合主动洞察用户视角的信息检索变化从文本到全模态混合检索LLM智能重构搜索信息组织方式AI智能时代的搜索新观察0 3 实践：从实践：从检索检索到到洞察洞察的的AIAI搜索搜索检索平权-从LLM智能到DeepSearch传统的壁垒：高门槛的传统的壁垒：高门槛的“搜索搜索”用户痛点：用户痛点：依赖复杂的检索技巧（如布尔运算符、关键词组合）。结果局限：结果局限：普通用户难以完成深度信息挖掘深

5、度信息挖掘，仅停留在表面信息。变革的动力：变革的动力：LLM智能体智能体(Agent)平权的结果：深度检索平权的结果：深度检索&深度研究深度研究交互革命：交互革命：用户无需掌握检索技巧无需掌握检索技巧，仅通过自然语言交互自然语言交互即可。Agent角色：角色：自动理解用户意图、拆解复杂任务、执行深度检索。全新体验：全新体验：轻松完成复杂的信息挖掘与数据分析。最终愿景：最终愿景：打破信息鸿沟，实现真正的“检索平权”。LLM智能的崛起，让“人人都是检索专家”成为现实010203Deep Search/Research架构架构Agents背景调查规划执行报告生成沙箱浏览器Code文件系统命令行下载多

6、模态文档解析网络爬虫MCP通用搜索OS/ES知识库异构数据源客户工具MemoryLong TermShort TermMemory LLM对比维度单步RAGDeep Search/Research核心模式被动响应主动代理处理流程单次检索-生成动态多轮工具使用-生成工具使用搜索工具多工具联合复杂问题处理直接生成（信息不完整/解答率低)任务分解-分步检索-答案整合错误修正&反馈无法自我修正（受限于首次检索)循环验证/反思-修正检索方向适用场景简单问题/事实性查询复杂问题/多步推理结合大模型推理能力及外部专业工具，解决复杂任务Deep Search/Research流程流程用户问题问题是否清晰澄清意