AI最大的改变可能不是写代码而是搜索

又到了一年一度的年终总结季。现在应该叫去年了,相信大家或多或少都会带上ai这个关键词。

如果让我选今年最大的改变,不是写代码,不是生图,而是搜索。

AI让搜索这个能力,彻底平权了。

以前,搜索质量取决于你的知识面

做程序员这些年,我们会明白很多时候

搜索的好坏,取决于你的知识面。

什么是搜索?

不是在Google或bing(我是真不太想提百度)输入几个关键词。

搜索是对一个问题,多角度收集信息,最终找到能解决问题的方案,或者能推导出解法的方案。

问题是,多角度收集信息,前提是你得知道有哪些角度。

你知识面广,知道从哪些角度切入,知道去哪些网站找(Stack Overflow、GitHub、官方文档),会用搜索指令(site:filetype:-排除关键词),能根据一个相似的解法举一反三。

那你搜索质量就高。

你知识面窄,搜索角度单一,只知道百度,只会输入几个关键词,结果不对又换几个词试。

那你很多时候越搜越偏,找不到方向。

知识面决定了搜索的上限。

你的信息圈子有多大,你能搜到的信息就有多全。你不知道的东西,你连搜都不知道怎么搜。

但今年用AI用多了,发现这个逻辑变了。

AI出现后,搜索方式变了

今年我用AI搜索的频率明显变高了。

遇到问题,第一反应不是打开Google,而是问ChatGPT、Claude、Perplexity。

为什么?

因为AI的知识面比任何人都广,渠道也比任何人都多。

举个例子。有一次我想在阿里云服务器上下一个Docker镜像。

先是按老路径搜:

  1. Google搜"阿里云 Docker 镜像下载慢"
  2. 找到几篇教程,说配置国内镜像源
  3. 按教程配好了,还是下不下来
  4. 换关键词"Docker 镜像源 配置",又试了几个源
  5. 还是不行,想说在本机Docker Desktop先下好再上传
  6. 结果Docker Desktop突然打不开了
  7. 继续搜"Docker Desktop 打不开",试了几个方法
  8. 死磕了半天,还是卡在这

这时候我已经不知道该搜什么了。我能想到的方法都试过了。

用AI呢?

我直接把情况描述给AI:

"我在阿里云上下Docker镜像,配了国内源还是下不下来。本机Docker Desktop又打不开,没法先下好再上传。有没有其他办法?"

AI几秒钟给出了一个方案:

  • GitHub支持在线打开VSCode(Codespaces)
  • 这是个云端的开发环境,可以直接运行Docker
  • 在那里下载镜像到本地
  • 再从本地传到阿里云上

这个方案我压根不知道

我根本不知道GitHub还能直接打开VSCode,还能当云服务器用。以前搜索,我只会搜"Docker镜像下载"、"镜像源配置",怎么也搜不到这个方向。

因为我不知道,所以我连搜都不知道怎么搜。

但AI知道。它给出的方案,直接跳出了我的知识圈子。

为什么差这么多?

1. 知识面

以前:

  • 你知道什么关键词,就搜什么
  • 你知道哪些网站,就去哪些网站找
  • 知识面决定了搜索的广度

AI:

  • 知道所有可能相关的概念
  • 能从多个角度分析问题
  • 知识面远超任何人

2. 搜索渠道

以前:

  • Google、Stack Overflow、GitHub、官方文档
  • 每个渠道单独搜,信息分散
  • 要自己整合

AI:

  • 已经"读过"这些网站
  • 直接给出综合答案
  • 不用跳转多个网站

3. 理解能力

以前:

  • 只能匹配关键词
  • "Docker镜像下载"、"镜像源配置",搜不到"GitHub云服务器"
  • 你得自己想各种关键词组合
  • 你不知道的方案,你连关键词都想不出来

AI:

  • 理解你的困境
  • 能跳出你的知识圈子,给出你可能不知道的方案

现在,搜索质量取决于你的描述能力

AI搜索最大的改变不是快。

决定因素变了

以前,搜索质量取决于你的知识面。知识面窄,搜索就受限。

现在,搜索质量取决于你的描述能力。

只要会描述问题,AI几次对话就能给出方案。不需要知道专业术语,不需要知道搜索指令,不需要知道去哪个网站。

从"知识面"到"描述能力",这是搜索的平权。

更重要的是,AI还能反过来扩充你的知识面。

以前,你不知道的东西,你连搜都不知道怎么搜。你的信息圈子就那么大,很难突破。

就像这次下Docker镜像。我的知识圈子里只有"配置镜像源"、"本地下载再上传"这些方法。我压根不知道GitHub能直接打开VSCode当云服务器用,自然也搜不到这个方案。

现在不一样了。

你问AI一个问题,AI的回答里可能会带出一些你不知道的概念、不知道的工具、不知道的方法。

那次之后,我知道了GitHub Codespaces,知道了可以用云服务器中转下载,知道了镜像仓库的另一种用法。

你顺着这些线索继续问,知识面就被拓宽了。

AI在帮你搜索的同时,也在打破你的信息圈子。

这才是最大的价值。这样的例子很多很多。

当然AI也不是万能的。特别偏门的问题,它也答不上来。但常见问题,已经够用了。

写在最后

今年最大的感受:AI让搜索变简单了。

不是说传统搜索不重要。是门槛降低了,不会搜索的人也能快速找到答案。

这是好事。

技术的价值不在于制造门槛,而在于降低门槛。而AI搜索做到了。

但是现在我相信只是一个过渡,未来的搜索又是什么样的,我也不知道。但我知道目前ai让搜索变简单了。

相关推荐
NAGNIP7 小时前
一文搞懂深度学习中的通用逼近定理!
人工智能·算法·面试
冬奇Lab8 小时前
一天一个开源项目(第36篇):EverMemOS - 跨 LLM 与平台的长时记忆 OS,让 Agent 会记忆更会推理
人工智能·开源·资讯
冬奇Lab8 小时前
OpenClaw 源码深度解析(一):Gateway——为什么需要一个"中枢"
人工智能·开源·源码阅读
点光11 小时前
使用Sentinel作为Spring Boot应用限流组件
后端
不要秃头啊12 小时前
别再谈提效了:AI 时代的开发范式本质变了
前端·后端·程序员
AngelPP12 小时前
OpenClaw 架构深度解析:如何把 AI 助手搬到你的个人设备上
人工智能
宅小年12 小时前
Claude Code 换成了Kimi K2.5后,我再也回不去了
人工智能·ai编程·claude
有志12 小时前
Java 项目添加慢 SQL 查询工具实践
后端
九狼12 小时前
Flutter URL Scheme 跨平台跳转
人工智能·flutter·github
ZFSS12 小时前
Kimi Chat Completion API 申请及使用
前端·人工智能