如果你最近用过豆包、ChatGPT 这类 AI 助手或者用过 Google 的 AI mode 做搜索大概已经习惯了这种体验输入一个问题几秒钟后拿到一段组织好的答案而不是一排等着你点开的蓝色链接。严格说豆包、ChatGPT 是具备联网问答能力的 AI 助手Google AI mode 才是把搜索本身 AI 化的形态但它们在底层共享同一件事——用模型去检索、再组织出答案。圈内把这类系统叫做生成式引擎Generative Engine和返回一排链接的传统搜索引擎不同它返回的是一段写好的答案。把这个过程拆开是一条带反馈环的链路AI 搜索是一条带反馈的检索与生成流程核心原理一查询扩展fan-out以豆包为例。当你输入一个问题AI 做的第一件事不是立刻去搜而是先做查询扩展query expansion。这个概念早期就叫查询扩展后来在不少系统里被叫做 fan-out——意思是把一个问题扇成多个检索方向。fan-out 决定的是搜索的宽度一次把问题铺开成多少条并行的检索方向决定了这次检索覆盖得有多广。上图是一个实际例子用户问「经常打字的上班族应该选什么样的机械键盘」系统没有拿原句去搜而是把它拆成 3 条并行的检索方向——分别从选购推荐、轴体对比、配列与人体工学三个角度切入再综合参考 15 篇资料后组织答案。它的做法是先理解你的问题再把它拆成不同的关键词去搜索。这里的拆既有基于关键词的拆解也有基于语义的重新理解——同一个问题它可能会用不同的表述去搜也可能直接提炼出几个隐含的子问题。更关键的是它不是一次性的。AI 会根据第一轮搜回来的网页内容和摘要重新理解你的问题然后自己决定还需要再搜几轮。换句话说搜索的过程本身也是推理的过程——它边搜边想再决定下一步问什么。这意味着AI 搜索的检索和你手动在搜索框敲关键词是两种行为。它是带着一个动态的查询计划在工作而不是执行一次静态的关键词匹配。核心原理二检索预算Search Budget检索能往深处走多深由一次任务愿意投入的Search Budget搜索预算决定——也就是它愿意为此跑多少轮、花多少时间。预算越足迭代越深产出的形态也越不一样。主流产品里常见的三种档位差别其实就在这里快速回答可能只检索一轮拿到即时结果就组织回答。专家研究通常会检索 3~5 轮在多个方向上交叉验证。深度研究会极大扩充搜索范围往往跑几十轮甚至上百轮最后完成任务的时间也显著更长。上图是深度研究模式下的实际检索过程系统交替执行「思考已完成」和「搜索」动作每一轮思考都会触发新一轮检索——这就是 Search Budget 在运行时的直观表现。预算越充足这个交替循环就跑得越久覆盖的信息面也越广。这就是你在豆包这类产品上看到的快速 / 专家 / 深度三种模式的本质区别——是分配给这次搜索的 Search Budget 不同预算越多检索轮次越深、耗时越长结论通常也越扎实。为了避免 AI 过早答复通常还会要求强制消耗搜索预算budget forcing避免 AI 凭借预训练的记忆回答。宽度由 fan-out 决定深度由 Search Budget 决定这是 AI 搜索检索的两个独立维度。核心原理三AI-friendly 的搜索 API前面讲 fan-out、讲检索轮次说的是 AI 怎么想、怎么搜。但这些动作最终要落到取内容上——靠的是底层的搜索接口。而 AI 要的接口和喂给传统搜索引擎的接口不是一回事。传统网页搜索 API 返回的是一排链接可能附带一句摘要它的服务对象是人的眼睛引导你点进去自己读。AI 搜索要的不是这个——它要的是能直接喂进上下文窗口、被模型消化的内容。所以支撑它的往往是专门的 agentic search 接口返回的不再是引导点击的链接列表而是网页的直接摘要。一个服务于人的眼睛一个服务于模型的上下文窗口。细节一AI 发给搜索接口的究竟是一个完整的问句还是一个一个的关键词答案介乎两者之间。经过 fan-out 之后它发出去的是一份查询计划——一组由重新表述的子问题和提炼出的关键词组合而成的查询分批发给搜索接口。它既不是把你原样的问题扔过去也不是机械地把句子切成词而是在理解之上重新生成的检索指令。收尾从 SEO 到 GEO这些内容都会有用但是产生作用方式不一样。以前的网页制作常常需要堆砌关键词、增加外链把尽可能多的内容合并到一篇文章。现在由 AI 来组织内容它消化的是语义而非关键词堆砌传统的搜索列表排名、引导用户点击的行为已不再起决定作用。这正是从SEO到GEO时代要解决的命题。原文链接xiaofeng.dev