Agent 的上限看模型，底线看什么？

AI SEARCH · 实测横评 2026.07

能搜到，就等于是对的？

真正的分水岭，是 该信谁

给 Agent 喂对数据

信源分级 · 三轮实测 · 豆包搜索 vs Tavily

豆包搜索 · Web Search for Agent

信源分级 Agent 实测

3 Parts + Conclusion

滑动

PART 01

从人到Agent

搜索对象之变

PART 02

重做一遍调研

先看证据再分析

PART 03

世界杯决赛夜

热点压力测试

PART ///

靠谱只能看事实

开篇一问

AI 搜出来的东西，真的能信吗？

大家好啊，我是甲木。

不管是之前在企业做培训，还是做分享的时候，经常会有朋友问到：AI 搜索出来的结果，其准确性该怎么保证？以及 AI 搜索的信息源又是怎么生成的？

今天这篇文章，就给大家聊一聊关于 AI 搜索Web Search。这话题我之前做过一期内容，今天来接着聊，我找了张图：

— AI 应用技术栈金字塔：最吃劲的一块，是中间那个蓝色小方块 Web Search

从下往上看这座塔：电、数据中心、芯片、Linux、云，再往上，才是你天天在用的 AI 应用。全塔最吃劲的一块，是中间那个蓝色小方块：Web Search。对于时效性信息，AI 给出的每个答案、每份研报、每条投资逻辑，都得打它这儿过一遍。

它无处不在，你一直在用；但它远比大家想象的脆弱。

脆弱在哪？看左边那列原料：新闻站、公司公告、年报，还混着博客、论坛和来路不明的截图、营销号。真真假假、新旧不一，全都灌入这一块。

开头那个问题，答案就藏在这儿。

经常会有朋友说，我喜欢用豆包去查找东西，问豆包已经成为了本能，而且效果也不错，现在它也把这个能力开放给企业和开发者，那我们可以在自己的 Agents 上去调用这个豆包搜索。我现在用的比较多的就是「豆包搜索」来提供的 Web Search 服务，免费够用。

这篇文章刚好拿它为例，和你分享：

1

「搜索」的演化路径以及重要的事

2

「信源分级」及 AI 搜索实战横评（对比 Tavily 效果如何）

供你选择，为自己的 Agent 选择一个好用的 Web Search 服务。

01

PART

搜索的对象，悄悄从人换成了 Agent

FROM HUMAN TO AGENT · 搜索对象之变

要回答这个问题，我们先来看看搜索这门生意的变化历程。过去它服务的是人：敲几个词，挨个挨个搜索结果，自己判断真伪。

AI 搜索往前走一步，直接给人一个综合答案。可 Agent 接到的压根不是单个问题：「研究一家公司」「核查一篇文章」这种活，它得自己拆问题、把问题改写成若干个关键词去查，再一轮轮搜索、筛选信息源、再整合。

— Agent 的搜索：拆问题、改写关键词、多轮搜索与整合

要说找得到、读得全，现在确实有人做得挺漂亮。可有个问题始终没人答：搜回来的这一堆，到底哪条能信？通用搜索眼里，网页不分高低：一份公司公告和一篇公众号，分量差不多。

更麻烦的是，这堆原料还在加速变质：如今互联网上充斥着 AI 生成的垃圾信息和洗稿文，通用搜索稍不留神就会把 Agent 带进沟里。

— AI 生成的垃圾信息与洗稿文，正让搜索原料加速变质

最近注意到豆包搜索，就是因为火山引擎把它定位成「为 Agent 构建的信息获取引擎」。用人话说：它不仅是个搜索引擎，还是个信息质检员。它搜回来的每条结果，都标好了发布时间和确定信息源，甚至还把信源分了等级：权威公告是一档，主流媒体是一档，XX 自媒体又是一档。

— 豆包搜索给每条结果标注发布时间与信源等级

巧了不是，给来源分等级这件事，去年那篇「AI 事实核查方法论」的文章就给大家讲过，整套办法就两张图：

— 去年「AI 事实核查方法论」里的信源分级思路

一级信源 · 结论锚点

公司公告、监管披露、政府统计、权威学术期刊、国际组织数据和顶级机构正式报告。

二级信源 · 专业补充

行业协会、知名咨询机构、主流媒体与专业出版物。核心数字仍要追到原始材料。

三级信源 · 线索池

公众号、博客、论坛和社交媒体。适合发现争议，不能单独支撑结论。

四级信源 · 禁止进入底稿

匿名爆料、无法追溯的「内部消息」、强广告内容和无证据判断。

— 信源四级分层：从一级结论锚点到四级禁入底稿

那会儿这套全凭自己一双手，点击一条、查看一条、判断一条，累得够呛。

所以看到豆包搜索给来源分等级的思路竟跟我这套对上了，我一下就来了精神。

02

PART

重做一遍调研：先看证据，再谈分析

EVIDENCE FIRST · 证据优先

是骡子是马，拉出来遛遛

为了测试这套方法到底顶不顶用，我拿「寒武纪」把整套调研重做了一遍。

演示环境：Claude Code + Doubao-Seed-Evolving 模型，大家也可以按需搭配。

PS：Doubao-Seed-Evolving 模型是豆包 Seed 每周保持迭代的模型版本，1M 上下文。火山方舟的 Agent Plan 订阅用户，套餐内同时包含 Evolving 模型和豆包搜索 API 额度。

✦ 顺带一提

豆包搜索每个账号每月提供 500 次免费额度，个人使用绰绰有余。它支持 API、MCP 和官方 Skill 三种方式接入 Agent，本文是通过 MCP 的方式接入的。

— 豆包搜索支持 API、MCP、官方 Skill 三种方式接入 Agent

为了看清不同搜索源对 Agent 的影响，在同一条指令、同一家公司的前提下，我设计了三组对比实验：

第一遍 · 不挂任何搜索

让模型纯凭自身记忆盲答。

第二遍 · 挂载 Tavily

一款通用的 Agent 聚合搜索。

第三遍 · 挂载豆包搜索

走火山引擎的搜索生态。

整个复现过程并不复杂。在火山引擎开通相关服务后，直接把帮助文档和 API key 喂给自己的 Agent 即可。

豆包搜索的官方文档：console.volcengine.com/search-infinity/web-search-exp

— 开通服务后，把帮助文档和 API key 喂给 Agent 即可

具体指令如下：

. . . prompt · 研究底稿指令

你是一名上市公司基本面研究 Agent。请围绕寒武纪（688256），

完成一份截至 2026-07-27 的公司研究事实底稿。

> 本任务不预测股价，也不直接给出买卖建议。

> 请先建立一套及时、权威、可追溯的事实基础。

> 执行规则（共 8 条，摘 4 条）：

> 1. 先拆解研究问题，再调用搜索，不要直接生成结论。

> 2. 信源优先级：公司公告年报和交易所披露 > 政府监管

和行业协会 > 权威数据库券商研究和主流财经媒体 > 其他网页。

> 3. 每个关键 Fact 必须保留标题、发布日期、原始 URL、

检索日期和信源等级。

> 4. 找不到可靠证据时，明确写「无法核实」，禁止根据常识补全。

— 把研究指令喂给 Agent，让它先建证据、再谈分析

中间经过数轮调研，给出来了一个结果。

— 经过数轮调研后给出的事实底稿结果

为了方便展示，结果直接看这张对照图。

— 三组实验对照：不挂搜索 / 挂 Tavily / 挂豆包搜索

图里最能说明问题的是「字节占营收比」这条：

不挂搜索

模型直接两眼一抹黑，给不出数据。

挂 Tavily

极其自信地给出了错误答案：「字节是第一大客户、2024 年占近 80%」。它塞给 Agent 的全是自媒体的猜测文和转载稿，完全忽略了公司官方年报里压根没具名客户的事实。

挂豆包搜索

结果完全不同。因为有「官方年报」作为一级信息源，AI 核对出官方未具名客户，第一大客户其实约占 26%。

— 豆包搜索以官方年报为一级信源，核对出第一大客户约占 26%

你想要的内容，豆包搜索都会给你进行信源验证，并且进行权威性分级。

— 每条结果都做信源验证与权威性分级

为了验证这不是偶然，我又换了天孚通信（300394）按照同样的方法跑了一遍：

最能说明问题的是那条「6 月沟通会说 Q2 持平」的坊间传闻：

不挂搜索

完全无从核验。

挂 Tavily

它其实也搜到了公司否认的消息，但因为信源杂乱，大模型在生成答案时被自媒体带了节奏，竟然顺手引申成了「Q2 仍增长」。

挂豆包搜索

它一路溯源，直接把深交所互动易上官方那句「端午假期并未开会」作为高优信源递了上来。Agent 拿到这记「实锤」后，果断在底稿里如实标了「传闻不实」。

— 天孚通信：深交所互动易官方回应成为高优信源，判定「传闻不实」

虽然 Tavily 找得其实也又快又全，连巨潮资讯网的年报原文都能扒出来。

但是对于现在的 AI 搜索来说，它的使命就是给 Agent 这个精炼机提供高纯度的矿石。如今各家的差距早已不在于「能不能搜到」，而在于把海量信息捞回来之后，搜索能不能提前给信源排好座次，直接告诉你到底该信谁。

— AI 搜索的分水岭：能不能提前给信源排好座次

03

PART

换个赛道，再遛一遍：世界杯决赛夜

WORLD CUP NIGHT · 热点压力测试

投研只是我拿来讲道理的例子，这套核查流水线，放到全民吃瓜的热点事件上照样好使。

比如刚踢完的 7 月 19 日世界杯决赛，西班牙对阵阿根廷。这种全民话题，官方通报、媒体报道和自媒体小道消息全搅和在一起，泥沙俱下，最考验搜索的成色。

— 世界杯决赛夜：官方通报、媒体报道与小道消息泥沙俱下

挂 Tavily

答核心事实确实快——1 比 0 加时、托雷斯进球、大都会（MetLife）球场。可一到争议话题就露馅：前脚刚说金球奖是罗德里，后脚就把「赛事最佳」安给了梅西，左右互搏；甚至还把「FIFA 拒绝重赛请愿」写成了板上钉钉的定论，但其实官方压根还没理这茬。

挂豆包搜索

比分、进球分钟、恩佐的红牌、80663 名观众、裁判名单……每条数据都挂着具体时点和一手出处。最绝的是，它像个判官一样把坊间传闻逐条过了堂：「决赛延期」被证伪、「梅西拿金靴」不实（实际是姆巴佩）、「裁判受贿」尚无确凿证据，而「6 万多球迷请愿重赛」确有其事。最打动我的是一个细节：在扒不到银球、铜球奖的一手信源时，Agent 老老实实地在底稿里标了一句「无法核实，建议不写」。

给不给得出细节是其次；给出的细节带不带出处、敢不敢认账，才是工具好坏的分水岭。

对了，这里再补充一句，豆包搜索分着「Global 版」和「Custom 版」，满足不同需求。

Global版本：开箱即用的通用搜索，内置搜索规则无需额外配置，覆盖广；

Custom版本是基于企业场景打造的规则版本，能够更好的适配企业复杂场景。

上述三个 case，我拿「豆包搜索」跟「Tavily」作对比，Tavily 就是只搜搜，不对新闻质量负责，豆包搜索的信源做的是真不错，质量也会更好，所以拿出来给大家分享。

而如果提到价格，国外 Tavily 等，有月免费额度，但付费区间定价基本在 0.03 元/次以上。「豆包搜索」给了每人每月 500 次免费搜索，超额后单次定价 0.02 元/次……还有包月套餐模式，能低至 0.005 元/次（不过包月有日限额）。

免费额度已经足够个人开发者的使用，字节大善人！

LAST

CONCLUSION · 靠谱只能看事实

Agent 的「聪明」看模型，但它的「靠谱」只能看事实。

再强的模型，一旦被喂了带毒的原料，也只会以更系统的方式把错误无限放大。

顺带交代一下这次的跑测环境：这几轮测试，我用的底层大模型都是Doubao-Seed-Evolving——这是豆包 Seed 系列里保持周更迭代的版本，1M 上下文，主攻 Coding 和 Agent 场景。

— 跑测底层模型：Doubao-Seed-Evolving，1M 上下文，主攻 Coding 与 Agent

想上手试试的同学，目前豆包搜索已经正式面向企业和开发者开放。配合火山引擎的 Agent Plan，基本可以一键把搜索和模型同时打包塞进你自己的 Agent。

说了这么多，它最核心的价值其实就一句话：

在 AI 开口说话之前，逼着它先把事实找对，把出处留下，把不知道的盲区老实交代。

让搜索提供高纯度的矿石，把盲目信任变成有据可查，这才是 AI 搜索该有的样子。

以上。

我是甲木，热衷于分享一些 AI 干货内容，同时也会分享 AI 在各行业的落地应用。

如果你觉得今天这篇有收获，欢迎点赞、在看、转发三连，我们下期再见

转发

THANKS FOR READING