提升 Agent 的信息搜索能力:Serper 与豆包搜索对比评测 ✍ Orange AI🕐 2026-07-28📦 6.6 KB 🟢 已读 𝕏 文章列表 文章对比了 Serper(Google 封装)与豆包搜索在 Agent 应用中的表现。豆包在 Query 改写、结构化数据(汇率/股价)、跨语言检索、时效性过滤及信源权威度分级上优势明显,更适合处理中文口语化及实时信息需求;而 Google 在英文学术检索上仍占优。文章指出高质量搜索 API 对提升 Agent 推理能力至关重要。 Agent信息搜索豆包搜索SerperAPI评测RAG大模型 # 提升 Agent 的信息搜索能力 **作者**: Orange AI **日期**: 2026-07-28T00:45:36.000Z **来源**: [https://x.com/oran_ge/status/2081903867055468616](https://x.com/oran_ge/status/2081903867055468616) ---  众所周知,搜索是 Agent 最基础的能力之一。模型的知识停在训练截止那天,那之后的事全靠检索补回来。 但是这个行业最吊诡的事情是大家都在做 Agent,快没人做搜索了,甚至连搜索起家的 Google 做的 Gemini,其搜索效果都越来越差。 如果真的要给 Agent 接起来会发现,光有网页的搜索结果其实很不够用。 比如 Agent 要处理的很多信息其实不是网页。汇率现在多少,股票今天涨跌多少。这些答案可能网页里都不能及时出现。 Agent 是个推理系统,Context 决定了一切。要提高 Agent 的信息检索能力,就得从 AI 搜索结果这一端做提升。 搜索这块,海外基本以 Google 为中心,但很少有人直接对着 Google 用,一般都会包一层。薄的像 Serper、SerpAPI,把 Google 的原始结果整理成 JSON 交给你;厚的像 Tavily、Exa、Brave Search API,会自己做召回和排序,Exa 还自建了索引。国内也有几家,博查、豆包搜索,智谱和阿里云也都开了搜索 API。 我这次以 Serper 和豆包搜索为例,做了一轮综合评测。选 Serper 是因为它够薄,基本等于直接看 Google 的原始结果;选豆包搜索是因为它是国内这批里刚正式开放、可控参数给得最全的一家,这里只是作为示例,你可根据自己的业务类型自行选择任意搜索。 这次测试了很多场景,我挑了几个比较重要的场景来详细分析: # Query 改写|口语化输入 我用了一句完全口语的输入:"就是那个有灵魂的那个 AI agent 叫什么来着,好像说自己有意识还是什么的,特别火"。豆包召回 10 条,首条命中 ColaOS,后面跟着 InfoQ 对 SOUL.md 的逐句解读。Google 只召回 3 条,一条 2022 年的搜狐旧闻,一条 YouTube 视频,一条腾讯新闻答非所问。 Agent 收到的用户输入基本都是这个样子,很少有人会先把 query 整理成关键词再交给它。  # 结构化数据|汇率 问日元兑人民币汇率。豆包返回一张结构化卡片,1 CNY = 24.192 JPY,1 JPY = 0.0413 CNY,带更新时间戳。Google 返回 Wise、新浪财经、XE 五个链接,想知道数值还得再发一次请求去抓。  # 实时行情|股价 问科大讯飞今日股价。豆包给出行情卡片:002230,¥38.88,跌 1.61,跌幅 3.98%,时间戳 15:49,休市。Google 返回东方财富、雪球、富途的行情页链接,搜狐证券那条标题里带了个 40.97,是过时数字。  # 跨语言|中文提问英文事 Claude Opus 5 发布次日,用中文问。豆包同时召回 Anthropic 官网的 Introducing Claude Opus 5 原文,和 IT之家、超能网的中文解读。Google 索引还没跟上,返回的是上一代 Sonnet 5 的公告,加一条 YouTube 推测视频和一条 Reddit 猜测帖。 需要说明,Google 对英文 query 的时效性通常更好,这一组是中文提问的场景。  # 时效性过滤|限定 24 小时 同样限定一天内。豆包 10 条全是当天的中文资讯,人民网转经济日报的 Kimi K3 报道、腾讯早报、新浪转中国经营报的 WAIC 观察。Google 混进来 Threads 的聊天帖、台媒的 YouTube 视频、鉅亨網的繁体摘要。  # 信源权威度|医药政策 搜 HPV 疫苗扩龄政策,把权威度过滤开到只要"非常权威"。豆包 10 条全部来自温州市卫健委、吉林省疾控局、芜湖市政府、正蓝旗政府。Google 没有这个维度,返回里有医院的预约套餐页、北大医院的接种须知、百度百科词条,和政府网站混排在一起。  英文学术|Google 更好 搜 continual learning 的综述论文。Google 返回 arXiv 预印本、ACM 正式出版、Wang-ML-Lab 的配套代码仓库、ResearchGate,一整套学术源都在。豆包以生物通的中文解读打头,加 arXiv 和 OpenReview,纵深不如 Google。  整体测完,豆包搜索的优势集中在结构化卡片、权威分级、时效过滤和中文场景。 具体到 feature,豆包这边有几个东西是我测之前没想到会这么有用的。 第一个是结构化卡片。 汇率、股价这类查询直接返回字段,汇率卡带双向换算和更新时间,股价卡带代码、现价、涨跌额、涨跌幅、休市状态。 第二个是权威度分级。 每条结果自带一个权威度标注,可以在请求参数里设成只要"非常权威"。 第三个是时效过滤。 TimeRange 设成一天,返回的确实全是当天的。 还有 Query 改写和垂类参数,也都非常有助于提升搜索结果的质量。 额度这边,Serper 是注册送 2500 次,一次性的,用完就得买。豆包搜索是每月送 500 次,月月刷新,算下来一天十几次调用。 超出之后就需要自己购买额度了,不过跟现在大模型的价格比,搜索 API 这点钱基本可以忽略,一次搜索的成本连一轮长上下文推理的零头都不到。 豆包搜索的访问地址:https://console.volcengine.com/search-infinity/web-search-exp PS 1:本测试是在上周六做的,请自动把「今日」这样脑补成周六。 PS 2:本次测试为完全客观的脚本测试,可以自行重复检验,另外搜索的脚本编写使用了 Doubao-Seed-Evolving 模型。 ## 相关链接 - [Orange AI](https://x.com/oran_ge) - [@oran_ge](https://x.com/oran_ge) - [11K](https://x.com/oran_ge/status/2081903867055468616/analytics) - [https://console.volcengine.com/search-infinity/web-search-exp](https://console.volcengine.com/search-infinity/web-search-exp) - [Upgrade to Premium](https://x.com/i/premium_sign_up) - [8:45 AM · Jul 28, 2026](https://x.com/oran_ge/status/2081903867055468616) - [11.9K Views](https://x.com/oran_ge/status/2081903867055468616/analytics) --- *导出时间: 2026/7/28 12:11:46*
一 一个暑假,我侄子用两个 Skill 搞明白了 Agent 最难的部分 作者讲述侄子利用暑假开发两个健康类 Agent Skill 的经历。从“养生谣言粉碎机”到“体检行动助手”,解决了大模型幻觉、信息检索权威性及流程设计等难点。文章重点介绍了如何利用豆包搜索 API 的结构化数据与权威过滤功能来增强 Agent 能力,并分享了 Skill 开发优于独立 Agent 的实践经验和建议。 技术 › Agent ✍ 宝玉🕐 2026-07-28 AgentSkill豆包搜索AI开发大模型实战经验信息检索健康类目工作流开源
如 如何精通 RAG 并构建拥有完美记忆的 AI Agent (全流程教程) 本文是一篇关于检索增强生成(RAG)技术的完整教程。文章指出,大多数 AI Agent 难以落地的原因在于模型无法获取企业私有数据。RAG 通过将外部知识库与大模型结合,解决了这一痛点。作者详细拆解了构建 RAG 系统的五个核心阶段:文档摄取与分块、文本嵌入、向量存储、信息检索以及最终生成,并提供了关于分块策略、嵌入模型选择及混合检索的实战建议。 技术 › LLM ✍ Khairallah AL-Awady🕐 2026-05-01 RAGAgent教程向量数据库Embedding知识库ClaudeOpenAI大模型开发指南
小 小白如何从0到1搭建自己的AI知识库 本文介绍了如何从零开始搭建个人AI知识库。作者提出了一套包含文本文件、Agent工具、规则和真实任务的工作方式,并详细说明了准备四样要素(开放文件夹、真实任务、Agent工具、工作规则)和五个具体步骤的方法,帮助用户通过简单的流程实现知识的积累与迭代。 技术 › 工具与效率 ✍ 金尘马🕐 2026-07-30 AI知识库AgentWorkBuddyCodexMarkdown提示词个人管理RAG生产力
做 做完一次总体设计后,我重新理解了企业级知识库 文章基于企业级智能知识库项目的实践,探讨了企业知识库的真正门槛。指出其不仅是文档存储,更是一套涵盖构建、治理、使用和优化的闭环运行机制。重点分析了知识库与知识空间的区别、知识生命周期管理、可信溯源及权限控制,强调知识库应作为支撑未来 Agent 的企业级 AI 知识引擎。 技术 › LLM ✍ 土猛的员外🕐 2026-07-29 企业知识库RAGAgent知识工程架构设计
纳 纳米Work实测:跨三家大模型制作宣传片 作者体验了纳米Work产品,通过两个真实任务测试其Agent能力。该产品成功调用多家大模型完成了产品宣传片剪辑及文案落地页制作。产品具有全过程透明、支持多模型切换及移动端接管等特点,展示了AI作为工作伙伴的巨大潜力。 技术 › Agent ✍ 花叔🕐 2026-07-29 纳米WorkAgent大模型工作流自动化产品设计视频剪辑AI办公
对 对话百川智能郭美青:你辛苦做的 Skill,最后都成了大模型的「养料」 本文是 AIGCLINK 与百川智能技术总监郭美青的对谈。双方探讨了 Skill 的本质是模型补丁,指出优质的 Skill 易被大模型内化成训练养料;同时梳理了 Harness、Loop、Graph 等新概念背后的技术演进逻辑。最后建议从业者不要将当下视作终局,应从生意出发,从上往下构建确定性,以应对底层技术的快速迭代。 技术 › Skill ✍ AIGCLINK🕐 2026-07-26 Agent大模型百川智能SkillAI创业HarnessLoop技术趋势行业观察职场建议
2 2026年如何成为AI工程师(无需CS学位) 文章指出2026年AI工程师角色已分化为机器学习工程师和应用AI工程师。对于非CS学位求职者,后者是主要机会。文章详细列出了必备技能(Python、LLM行为、RAG系统、评估观测),并提出了三个能替代学历证明的实战项目建议。 技术 › LLM ✍ Harman🕐 2026-07-24 AI工程师职业发展RAGLLMAgentPrompt无学位
梁 梁文锋投资人会议语录 本文记录了梁文锋在投资人会议上的核心观点,涵盖AGI发展路线、开源与商业化策略、团队管理及愿景驱动等方面。他强调产品是AGI的副产物,现阶段的重点是Coding Agent和持续学习能力,开源与克制是长期战略,目标是实现AGI而非追求短期利益。 技术 › LLM ✍ Orange AI🕐 2026-07-23 AGI开源Agent持续学习商业模式愿景驱动克制大模型技术路线团队管理
6 60个AI黑话,一次性翻译成人类语言 文章将60个AI行业专业术语进行了通俗易懂的翻译和解释,涵盖基础概念、训练调优、推理交互、工具扩展、评估安全及前沿趋势六个方面,帮助读者快速理解AI技术地图。 技术 › LLM ✍ 概率鹿梦|AI Wealth Edge🕐 2026-07-22 AI术语大模型智能体AgentLLM科普翻译基础知识
A Agent Wikis 的现状与发展 文章探讨了 LLM Wiki 模式的兴起,即通过在摄取时编译知识而非查询时检索,解决传统 RAG 无法积累知识的问题。介绍了 Cognition、FactoryAI、LangChain 等团队构建的 Agent Wiki 系统,分析了其架构原理及在维护成本上的优势。 技术 › Agent ✍ mem0🕐 2026-07-22 LLMAgentWikiRAGCognitionLangChainDeepWikiAutoWiki
聊 聊聊我对 Kimi K3 的体感 作者分享了使用 Kimi K3 模型的实际体验,通过 3D 坦克大战游戏、权力游戏地图动画和教学视频制作三个案例,展示了其在多模态和复杂任务处理上的强大能力。文章指出 K3 提供了 Claude 和 Codex 之外的优质选择,且具备合规性优势,但同时也面临算力短缺的局限。 技术 › LLM ✍ Wang Shuyi🕐 2026-07-21 Kimi K3多模态代码生成测评Agent教学应用大模型AI工具
K Kimi 3 完全使用指南 本文详细介绍了 Kimi K3 的实际使用方法,澄清了关于开源、1M 上下文和免费会员的常见误区。文章通过网页 Agent、Kimi Work、Kimi Code 和 API 四个入口的实战演示,指导读者如何利用 K3 完成数据处理、文件整理和工程开发任务,并提供了编写 Agent 任务的六段式方法论。 技术 › LLM ✍ Ando🕐 2026-07-18 KimiKimi K3Agent编程使用指南大模型实战测试API