AI 聊天框带来了什么？回看人机交互史
文章从波兰尼“所知比所言更多”出发，回顾了人机交互的演进史：1990年代搜索引擎通过关键词猜测意图，形成SEO与竞价排名；移动互联网时代推荐算法借助用户行为数据构建新的分发飞轮，成就字节跳动；AI时代聊天框成为新入口，Agent通过记忆与对话持续更新对用户真实意图的概率估计。作者认为搜索与推荐的核心都是计算概率P，而AI Agent刚接近这个起点，未来可能出现基于意图的竞价排名与新的商业化模式，人机交互的平衡将被反复打破与重建。
全部文档 / 标签: 搜索引擎
4 篇
别再把 Telegram 当聊天软件了：几种实用的资源搜索方法
文章介绍了在 Telegram 中高效查找资源的多种方法：首先利用自带搜索框，使用具体关键词而非宽泛词汇；了解公开群与私密群的区别，搜不到时可索要邀请链接；善用搜索机器人作为补充索引；通过 Google 的 site:t.me 语法搜索 Telegram 公开内容，并注意辨别仿冒频道；按类别探索时可借助 TGStat、Telemetr 等频道目录网站。作者建议按'搜名字→搜用户名→频道内搜索→搜索Bot→Google→目录站'的顺序查找，并强调真正值得积累的是搜索方法和思路，而非具体频道或资源链接，因为它们容易失效。
把千万级 Google Ads 标题的模糊查询从 6 秒压到 0.6 秒，我做了什么？
作者为 SiteData 工具做性能优化：千万级 Google Ads 广告标题的模糊查询原本用 MySQL 需约 6 秒，导致广告竞争信号功能只能手动触发。作者对比 Elasticsearch 与 Manticore Search 后，选择轻量的 Manticore 作为搜索层，MySQL 继续承担业务数据。迁移后查询压缩至约 0.6 秒，压测显示平均耗时 170-180ms、零错误，且资源占用极低（8GB 内存仅用 662MB）。文章总结了三点经验：慢功能可能是性能问题而非价值问题；主数据库不应包揽全部职责；小团队选型应以成本和务实为导向。
Parallel Search 推出 Fast 模式：面向 AI 的高性价比网页搜索
Parallel 推出面向 AI agent 的 Fast 模式网页搜索，价格仅为主流模型默认搜索的十分之一，每千次查询 1 美元，在质量-成本和质量-延迟上均处于 Pareto 前沿，准确率接近 SOTA 的 Parallel Advanced。独立评测显示其端到端成本比 Brave、Exa、Tavily 便宜 2 倍以上。文章指出随着 GPT-5.6 Luna、DeepSeek V4 等高性价比模型普及，AI 智能成本数月内下降 8-12 倍，廉价模型需要廉价搜索，Parallel Fast 旨在提升 agent 每美元的有效工作量。
