|
每月会看一次好友“李榜主”的AI产品榜。
主要关注各种AI工具的流量涨跌变化。 从中能发现一些新AI工具，也能看到一些趋势变化。 他一般月初发上个月的榜单。 现在能看到的是他和36kr、硅星人｜沃垠AI 联名发布的4月榜单。  全球前十AI网站榜，国内只有Deepseek和纳米AI搜索上榜。 一个第三，一个第六。 发现排名最靠前的产品，基本都是 AI + 搜索。 为什么是AI + 搜索？搜索工具的进化史，其实是用户需求不断升级的过程。 从最初的关键词匹配，到自然语言理解。 再到今天多模态、多模型协同的智能检索。 每一步都在解决信息过载和获取难题。 AI + 搜索是最有商业价值的领域之一。 人人都想成为新时代的“谷歌”。 传统搜索引擎弊端明显：
而 AI 时代的搜索，可以很大程度上解决上述问题。 核心思路： 多模态LLM + 搜索 + AI Agent 甚至诞生一个新的产品类型叫 “Deep Research”，简称DR。 比如ChatGPT DR、Gemini DR等。 榜单前十中，六个支持 AI + 搜索，四个支持DR。 纳米AI搜索近期上线“超级搜索”后，成为国内唯一上榜的DR产品。 目前个人用的最多的是Gemini的Deep Research，做资料调研整理，实在方便，用了就离不开。 国内很多人用不了Gemini。 纳米AI超级搜索，就成了唯一选择。  测几个Use Case，看效果到底如何。 纳米AI搜索测试电子书阅读器选购报告去年买过一个墨案迷你阅电子书阅读器，体验还可以。 当时搜索对比过很多产品，对这块有些了解，方便测试。 于是，打开纳米AI超级搜索提问：
没有直接执行检索，会反问用户，要求提供更多信息。  我告诉他，预算1000以内，其他指标让它自己定，最后我来判断。 这时，任务启动，列了一个长达22项的任务清单。 每完成一项，就会打一个 √ 号。  检索任务，都会调用一个叫 so-search的 MCP。  读取内容后，AI会反思信息是否可用。 比如电子书阅读器定价是否超过1000元。  比如关于产品评价，会重点搜京东、天猫等电商平台的用户反馈。  另外，还会调用sandbox coder MCP，写代码生成各种分析图表（饼图、柱状图、雷达图等） 然后，调用Summary MCP写报告。  最后，调用gen_html MCP生成可视化网页。  最终交付物有三项：
 部分结果展示四款产品简介和定价  电子书阅读器参数对比 更多信息，查看可视化报告
整体看，任务完成的不错，对做出购买决策，很有帮助。 可能查询搜索任务太多，所以执行有点慢，耗时大概15分钟左右。 Deep Research类工具都差不多都是这样。 但还是希望未来能提速，用户总是急躁的。 剪映新手技巧最近看好友汗青新做的AI广告宣传视频，大为震撼。 作为普通人，很难超越他的审美和创意。 可剪辑技巧还是能学的。 自己偶尔也用「剪映」做些AI工具视频，全凭感觉摸索着用，不懂任何技巧。 让AI做个教程？
纳米要求提供更多要求。 补充信息后回车
耗时 20 分钟左右完成了教程。 常用技巧简介和操作步骤 每个小技巧都有策略建议 最后，给了个完整的剪辑技巧案例演示 核心交付物也是PDF、Word和可视化网页。 另外，点击“此任务所有文件”。 可查看下载所有用到的图片和Markdown文件。 另外一个技巧：生成的PDF不仅能在线预览。 还能添加到自己的知识库，随时调用。 其他测试案例进化心理学Top10图书这个任务执行的还不错。 找了不少很有趣想看的图书。 比如《危险关系》、《欲望的演化》等。 天津最好的20家烧烤店这个任务完成的不够好。 本意想找天津味道和口碑好的烧烤店，再做一个高德地图，告诉我怎么开车过去。 提示词:
实际任务像烧烤店开店指南 😂。 给了一堆天津各区的烧烤店分布，还用高德MCP的坐标画成了图。 内容虽干，但对我没有太大帮助。 测试简单总结纳米AI搜索新上线的超级搜索。 技术上混用了Agent任务规划、多模态识别、MCP工具组合、沙箱代码运行生成等，最终交付完整的、多种类型的报告。 极大提升了信息获取的效率和体验。 使用方法：
每个报告生成平均用时15-20分钟，任务Token消耗在50w-100w左右，成本估计巨高！
另外，个人感觉不是所有任务都适合开「超级搜索」。 简单任务， AI + 搜索能搞定，不用“大炮打蚊子”。 超级搜索更适合深度调研、分析决策类复杂任务。 比如购买决策类需求，可以检索京东、天猫等电商网站，获取用户评分、好评率、差评关键词等信息。 还能通过调用专门为AI打造的工具，突破传统搜索的信息墙，如小红书笔记、知乎、高德地图、国外权威论文库等。 甚至还能读取网页评论区的评论、相关图片和音视频，深入理解暗知识，深度挖掘信息之间的连接。 这才是超越传统搜索，甚至简单AI搜索产品的最大优势——不仅仅是“找到信息”，而是帮助用户“解决问题”。 后记AI 搜索工具的快速发展。 正在悄然改变我们的信息获取和知识整理方式。 从最初的关键词检索，到如今多模态、多模型协同的智能体，用户体验和效率都得到了极大提升。 体验纳米AI超级搜索、Gemini Deep Research 等DR产品后。 最大的感受是：
当然，AI 搜索工具还远未完美。 比如任务执行速度、结果个性化和专业化、复杂场景下的理解能力等，都有很大的提升空间。 但可以预见，随着大模型和多模态技术的持续进步。 未来的 AI 搜索将更加智能、贴心，成为我们学习、工作、生活中不可或缺的“第二大脑”。 对于每一个关注前沿科技、追求高效信息获取的人来说。 尝试和拥抱这些新工具，既是提升自我的捷径，也是参与未来的最佳方式。 希望这份体验和思考，能为你带来一些启发和帮助。让我们一起见证 AI 搜索的下一个高光时刻。 |
|
|
