你有沒有發現，現在的 AI 搜索真的很懂摸魚？

當 ChatGPT、Perplexity 等工具相繼問世，都說 AI 將徹底顛覆搜索領域，但現實情況卻是，當我隨手扔給它一個復雜問題時，一頓操作猛如虎，哐哐一頓搜索幾百個網頁，搜索結果卻平平無奇。

仔細一看，要么堆砌了一堆零散的信息，要么抓不住重點，感覺就像是把一堆資料硬塞給我，自己卻沒怎么動腦子，像極了敷衍了事的職場人。

不過，這也不能全怪 AI。畢竟換位思考一下，即便是人類，帶著問題去查資料時，也很容易被信息洪流沖昏頭腦。不少 AI 產品開始對此進行優化，比如 OpenAI 和 Grok 在推理模式基礎上又推出了 Deep Research/DeepSearch 模式。

國內廠商里，字節也剛剛給出了新的解決方案，對豆包的深度思考功能進行了升級。正在測試的豆包新版深度思考的一大亮點便是免費支持「邊想邊搜」，現在下載最新版豆包 APP，或在 PC 及 Web 版豆包中即可體驗該功能。

APPSO 也第一時間進行了深度體驗。

簡單來說，用戶無需單獨開啟搜索功能，只需打開深度思考模式，AI 能在推理過程中靈活調用搜索工具，進行多輪動態搜索。

從「先搜后想」到「邊想邊搜」，AI 終于學會了如何像人類一樣搜索問題。

DeepSearch+深度思考，豆包這個新功能不止讓你少問幾步

生成式 AI 發展兩年了，顛覆搜索了嗎？

早期的 AI 搜索工具雖然不怎么做互聯網的搬運工，但模式上還是傳統的「先搜后想」的套路——先把網上的信息抓一堆，再根據這些信息組織答案。

豆包新版深度思考則不一樣，它結合了深度思考能力，把搜索和推理捆綁在一起，基于每一步的思考結果進行多次搜索，能讓回答更有邏輯、更貼近需求。聽起來挺玄乎，我們也用幾個問題來實際體驗一下。

先來個貼近生活的投資問題，「如果我從今年 1 月開始同時投資小米股票和英偉達股票，截至 3 月 24 日收盤哪個收益更高？」豆包的回答讓我有點意外。

APPSO 拆解了豆包新版深度思考的思考過程，我們發現它的搜索邏輯有了明顯不同：

1. 先進行問題分析和框架設定

2. 獲取初步信息建立概念

3. 深入挖掘具體數據點

4. 遇到不確定性時進行額外搜索

5. 基于現有信息進行合理推斷，并給出結論

之前 AI 可能會直接給出兩支股票的漲跌百分比，然后就直接得出結論，但豆包新版深度思考則進行了多輪思考，進行問題分析和框架設定（時間段-股價表現-調用搜索工具）。

一旦有了較為妥當的思路，它便會繼續搜索，比如在互聯網上找到了 14 篇參考資料，這個過程僅僅是為了獲取一個籠統卻清晰的概念，方便進一步邊思考邊有針對性地搜索。

由于缺乏 1 月 1 日（休市）的準確收盤價，以及英偉達的數據存在不確定性，它需要再次搜索來確認這兩個關鍵數據點，最后基于現有信息進行合理推斷。

最后的結果，也不只是給出投資收益的對比，還對股價波動因素進行分析，并提示了未來的風險，甚至整理成了表格，考慮得頗為周全。

洞察到了我想問但沒說出來的問題，把需要「追問」的細節提前融入答案之中，妥妥一個醒目的投資顧問。

最近我計劃去新加坡旅游，想知道有沒有最優的往返機票方案。

普通 AI 搜索引擎可能一股腦兒搜幾百個網頁經驗帖，然后匯總交差，但豆包新版深度思考則有所不同，它會帶著問題思考，拆解幾個關鍵點——出發地、時間、預算等，然后逐步深入分析，形成一個「思考-檢索-繼續思考」的良性循環。

而這恰恰也說明了豆包的新版深度思考傾向于「思考驅動」而非「搜索驅動」。

換句話說，以前需要照顧 AI 的能力，把大問題拆分為幾個小問題，一步步問清楚；可現在完全不用，直接丟出你的需求，剩下的交給豆包就行。

或許正因如此，它的整體響應速度體感上并不慢，體驗相當流暢。

有個很現實的問題，沒時間看國足比賽怎么辦，別急，這時候就可以請出豆包新版深度思考來救場。把你想知道的具體內容告訴豆包，比如比賽結果、關鍵時刻、球員表現或者規則積分，它就能化身速通大師，省時又高效。

當然，如果不開啟深度思考功能，我們會發現，雖然回答依然快刀斬亂麻，效率沒得說，但質量明顯就差了一截。不僅缺乏更清晰的分點羅列，連邏輯層次感都顯得單薄，甚至引用的資料信息更少。

這么一對比，像人類一樣思考的重要性就凸顯出來了。有了深度思考的加持，它能把答案打磨得更精致、更貼心，條理清晰不說，還能塞滿干貨，讓你讀起來既舒服又有收獲。

接下來，我們用更貼近個人需求的決策場景來考驗它。

對于 iPhone 16e，我們給出的觀點是，這是一臺醬香型手機，越晚入手越香，那它和 iPhone 16 比，哪個更有性價比，以及如果用膩了，又該換哪款備用機？

就像 Grok DeepSearch 標配的圖表一樣，豆包新版深度思考也提供了清晰的參數對比，屏幕、芯片、攝像頭一目了然，甚至還貼心地準備了數據遷移建議，這貼心程度值得點贊。

邏輯性是豆包新版深度思考回答的最大特點。

針對 Android 備用機推薦問題，它不會一股腦兒拋給你一堆機型名字，而是通過「邊想邊搜」的迭代循環，針對你可能會用上的使用場景，再一步步搜索、推理，最后奉上一份既有邏輯又實用的推薦清單。

當然，扒蛛絲馬跡這種細活兒，還是得交給 AI。

「悟空在第十四回中打死的六個盜賊，分別叫什么名字？該如何理解作者這一情節的安排？」豆包新版深度思考的回答不僅列出具體名字，還融入了佛學和心理學視角，分析得頭頭是道，時不時冒出幾句金句，頗有亮點。

李白、杜甫和白居易是唐代詩人的標志性符號，那他們三者之間是否存在交集？

對于這個問題，在豆包新版深度思考的理解中，這種交集并不局限于現實生活的人際往來，還延伸到了更廣闊的文學脈絡以及彼此風格與創作上的相互影響。

最后所引用清代趙翼的點評「李杜詩篇萬口傳，至今已覺不新鮮；江山代有才人出，各領風騷數百年」，恰到好處，為整個分析增添了歷史厚重感，也讓人讀后回味無窮。

從「先搜后想」到「邊想邊搜」，搜索的未來長什么樣？

技術未來學家、Google 工程總監雷·庫茲韋爾（Ray Kurzweil），曾在《奇點臨近》一書中預測，未來的搜索將像人一樣思考，而不是像機器一樣索引。如今，這一預言正在成為現實。

之前的 AI 搜索，其「先搜后想」的模式是一個簡單粗暴的線性過程：

「輸入問題 → 調用搜索工具獲取數據 → 基于數據進行推理 → 輸出答案。」

這種方法的短板顯而易見，非常依賴關鍵詞匹配和網頁索引技術，導致信息「廣而不深」。

基于深度思考和 DeepSearch 的 AI 搜索已經大大解決了這個問題，AI 能理解自然語言中的復雜語義，比如問它「明天廣州適合穿什么衣服？」就可以分析天氣數據、時尚趨勢、個人偏好等隱藏需求，實現多維信息關聯。

而豆包新版深度思考與多輪搜索相結合的模式，進一步補足了深度思考和 DeepSearch 在處理復雜、模糊及動態信息需求時尚存的幾塊短板。

1. 一輪搜索無法解決的復雜問題: 更好應對需要多輪信息整合、動態調整策略的復雜任務。在思考過程中多次搜索，讓信息持續更新和補充，給出更全面、準確和深入的回答。
2. 模糊查詢與信息關聯: 對于一些描述模糊、信息不完整的問題，「邊想邊搜」讓模型在推理過程中不斷搜索和驗證，逐步縮小范圍，找到相關信息
3. 動態規劃與多步驟任務: 在處理需要長期規劃或多個步驟的任務時，「邊想邊搜」能夠在每一步驟中進行信息校驗和調整，提高了執行任務的成功率。

豆包新版深度思考「邊想邊搜」的執行路徑，讓我不禁想起最近常被提及的 Agent。「互聯網之父」Berners-Lee 早在多年前就提出：

真正的智能體，就是在每個具體場景中，都能自動完成用戶心里想做卻沒明確說出來的事情。

雖然豆包新版深度思考和 Agent 還有些區別，但某種程度上卻是 Agent 工程化思路在搜索上的應用。Agent 自主決策和動態調整，將任務高度自動化，大大減少額外的數據預處理和人為干預。

說白了，就是讓 AI 像一個聰明的助手，自己去網上找答案，它能自己動手，自己動腦，找到我們要的東西。用戶不需要像喂飯一樣把問題拆得細碎，才能得到滿意回答。

由此我們也可以推理出 AI 時代理想的搜索過程：

• 1. 接收并分析用戶問題 用戶提出問題后，AI 會先分析問題的內容，拆解其核心需求，并嘗試推測用戶的真實意圖。
• 2. 自主選擇搜索策略 根據問題的性質，決定是用通用搜索還是直接調用特定專業數據源。它能記住常用工具和 API 的調用方式，直接利用現有網絡資源（如站點地圖或結構化數據）進行搜索，而非依賴預設流程。
• 3. 多步驟動態搜索 搜索不是一次性完成，而是分成多個連續步驟。先發起初步搜索，查看結果后，可能調整關鍵詞、瀏覽網頁深入挖掘，或轉向其他數據源，模擬人類在網上探索的過程。
• 4. 實時優化搜索路徑 在搜索過程中不斷學習和判斷。如果發現當前方向無效，它會自主放棄并嘗試更有效的路徑，如同經驗豐富的專業人士那樣靈活應變。
• 5. 整合信息并生成結果 搜集到足夠信息后，它還會通過推理將零散內容重新組合，將結果整理成邏輯清晰的總結，確保輸出符合用戶需求。
• 6. 記錄決策過程 每一步決策和推理都會留下清晰的記錄，增強結果的可解釋性，讓用戶能追溯其搜索邏輯。

如同媒介理論家保羅·萊文森所言，技術進化是人類認知結構的外延。每個時代技術的核心驅動力是信息處理能力的提升，當 AI 以越來越接近人類的思維方式處理信息，重塑的將不僅僅是我們對搜索的習慣。

作者：李超凡、莫崇宇