豆包搜索开放 API，Agent 终于有了会自己搜东西的脑子

大模型出来那阵子，身边不少人说搜索要完了。想想也是，过去查个东西要在搜索结果里翻半天，现在直接丢给 ChatGPT 或豆包，几秒钟就吐出一段像模像样的回答。替代基本搜索需求，绰绰有余。

但这半年我慢慢发现，搜索不但没消失，反而比以前更重要了。只不过它服务的对象换了——从人类变成了 Agent。

每天在用各种 AI 产品的人，未必意识到自己一直在用搜索。只是它不再以一排蓝色链接出现，而是嵌进了模型回答问题的流程里。模型先搜再答，不再凭训练时的记忆硬答。梁文锋最近那篇刷屏文章里也提过，搜索仍然是大模型系统里一个非常重要的组件。很多人把 AI 回答得好不好全归因于模型，其实不是那么回事。

为什么 Agent 比人更需要搜索

模型不是全知的。它的知识来自训练时读过的资料，被压缩成参数存着。它可以理解概念、总结规律、完成推理，但没法保证记住的每个事实都准确，也不会自动知道训练结束后外面发生了什么。遇到不确定的内容时，它还可能编出一个听起来很合理的答案——这就是幻觉。

搜索的作用，就是帮模型在作答前去查最新的资料，确认关键事实，再基于这些信息做总结和推理。

今年 Agent 成为最重要的 AI 应用场景之后，搜索的重要性又被放大了一轮。过去 AI 只需要回答单个问题，现在我们要它连续工作几小时、完成一个完整任务。任务越长，涉及的信息越多，任何一条错误或过时的信息都可能进入后面的推理链，把整件事带偏。

搜索在长程任务里承担了两件事：一是补充信息——Agent 不可能一开始就掌握所有材料，需要边执行边查找；二是核查信息——搜到资料后确认它是否最新、来源是否靠谱，遇到矛盾还要追到原始出处。

搜索不再是任务开始前的一次查询，而是贯穿整个 Agent 执行过程的常规环节。Agent 每往前走一步，都可能需要重新搜索、核实，再继续判断。

豆包搜索的思路：从第一天就是给 Agent 用的

如果自己做 Agent 类产品，我推荐试试字节的豆包搜索。一开始不用付费，每个月有 500 次免费额度——注意是每个月都有，不是一次性的试用额度。我们团队做过调研，目前在市面上所有给 Agent 提供的搜索服务里，豆包搜索应该是最好用的。

控制台入口在这里：https://console.volcengine.com/search-infinity/web-search-exp

豆包搜索从一开始就是 Agent 原生的。它返回的不是网页链接和摘要，而是可以直接使用的结构化数据。Agent 拿到就能吃进去，省掉了网页抓取、正文提取、格式清理这些中间环节。

我举个真实案例。我们内部 CMS 后台跑着一个「讲师雷达」Agent。因为公司有大会业务，经常需要找讲师，但找讲师之前得先充分了解这个人的过往背景。以前这些事全靠人工干，后来我把它做成了一个讲师尽调 Agent。

输入讲师基本信息后，Agent 展开任务，沿着不同线索发起搜索，再根据每轮结果判断还缺什么信息。豆包搜索能跟着这个过程不断往下走——Agent 先从比较明确的信息查起，第一轮没找到足够材料，就继续追查，直到把需要的材料补充得差不多。

还有一个我特别看重的点：信源质量。

现在网上信息太杂了。AI 批量生成的文章、互相搬运的内容、专门为了让模型搜到而做的页面，越来越多。有些文章看起来写得很完整，翻来覆去都是二手信息。以前我们判断一条信息靠不靠谱，先看它来自哪个网站，现在连这招都不太够用了——同一个网站里，也可能既有认真写的内容，也有大量拼接出来的页面。

豆包搜索会继续往下判断这条信息本身靠不靠谱。在金融、学术这些对准确性要求很高的领域，它还会给信源分级，让 Agent 优先使用官网、专业机构和一手资料。

这个能力对 Agent 格外关键。因为 Agent 搜到一条信息后，不会像人一样停下来琢磨半天。如果它把不靠谱的信息当真，后面就可能继续总结、分析，最后写出一份看起来完整、其实从根上就错了的结论。

另外像天气、油价、金价、限号这类实时信息，豆包搜索直接返回结构化结果，Agent 拿来就能用。

我们团队这个 Agent 用的是 Doubao-Seed-Evolving 模型，也值得提一句。这个模型保持周级更新，接入一次后模型 ID 保持不变，官方会在这条分支上持续升级能力，不用等大版本发布再换 ID、迁接口。它最近支持了 1M 上下文，Token 效率也有提升。

搜索正在成为 Agent 的信息基础设施。一个 Agent 想真正把事情做完，至少需要两种能力——理解眼前发生什么（靠多模态），以及知道外部世界正在发生什么（靠搜索）。模型决定 Agent 会不会思考，搜索则决定了它依据什么思考。从给人搜到给 Agent 搜，搜索这活儿没消失，只是换了个干活的对象。