题记与说明
标题：我做了一个 AI 搜索引擎
作者：艾逗笔（idoubi）
来源：https://mp.weixin.qq.com/s/25eXZi1QgGYIPpXeDzkQrg （微信公众号「艾逗笔」，2024-06）
存档日期：2026-11-01
标签：AI搜索、RAG、独立开发、产品复盘、出海、Agent
这篇讲什么
2024 年 3 月，作者用「一个周末 + NextJS 双接口」（serper.dev 谷歌检索 + gpt-3.5 拼上下文问答）做出 AI 搜索引擎 ThinkAny 的 MVP，三个月做到 17 万累计用户、日均搜索 6000 次、月访问约 58 万。全文分两部分：前半段交代产品从冷启动（ProductHunt 日榜第四）到两轮大版本迭代的完整历程与运营数据；后半段系统性输出他对 AI 搜索的认知——标准 RAG 流程、提升准确度的八个工程手段（意图识别、Query Rewrite、多信息源聚合、Reranking、Read Content、Context Pool、提示词工程、多模态检索）、平台化路线（AI Search + Anything）与赛道竞争格局。
核心观点
- AI 搜索的第一要义是准确度，取决于「挂载上下文的信息密度 + 基座模型智能程度」；代码人人可抄，上下文优化才是持续雕花的功夫，市面上多数产品（含 Perplexity）准确度也就 60% 左右。
- AI 搜索最大的壁垒在于数据，不在算法——信息源整合与数据飞轮才是护城河。
- 准 / 快 / 稳三要义互相牵制，必须做取舍；差异化靠错位竞争：多模态输出、自定义信息源 / 提示词 / 插件（Hook 可插拔）/ 智能体 / 工作流。
最值得记住的金句与数据
- 「AI 搜索最大的壁垒在于数据。」
- 「AI 搜索引擎是一个持续雕花的过程。」
- 数据反差：3 个月 17 万用户、日均搜索 6000 次，但支付率仅约 0.03%，尚未营收平衡——流量与商业化之间隔着一条大沟。
对我的启发
- 做工具：周末 MVP + Vercel 直接上线的冷启动打法证明「先发布、再雕花」依然有效；读 Lepton Search 等开源源码完成「技术祛魅」，是破除技术壁垒想象的最快路径。
- 做 Agent：Context Pool（历史检索结果 + 历史对话，按链接去重、按相似度过滤、控信息密度与长度）是一套可直接迁移的 Agent 上下文 / 记忆管理方案；before_retrieve / after_answer 等 Hook 可插拔架构同样是 Agent 工程的好范式。
- 做知识管理：他把信息处理拆成「获取 / 摘要 / 生产 / 分发」四步，与个人知识流设计同构。
- 做写作：「每做一个项目必写一篇总结」的习惯，加上本文「历程 → 认知 → 观点清单」的复盘结构，是技术写作的好模板。
适合谁读
做 AI 应用的独立开发者与全栈工程师（RAG 工程细节可直接抄作业）、关注搜索 / Agent 赛道的从业者，以及想学产品复盘怎么写的人。