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。

是决定因素变了。

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
FengY_HYY15 分钟前
从人类组织到人类&大模型组织,我的位置在哪里?
人工智能·程序员·llm
Flynn Liang36 分钟前
大模型成本优化:基于 Redis 的可验证语义缓存架构
人工智能·redis·缓存·架构·ai agent·智能体
锋行天下1 小时前
langgraph全栈项目(一)
前端·人工智能·后端
学长毕设1 小时前
基于SpringBoot的游戏攻略社区交流系统-附源码
spring boot·后端·游戏
程序员cxuan1 小时前
不得了,Google 造反了,Opus 5.5 又被干了
人工智能·后端·程序员
数字新视界1 小时前
能耗管理系统提升企业能源效率的实践与展望
大数据·人工智能·数据中心·机房管理·模块化机房
叼烟扛炮1 小时前
[LangChain] 学习笔记(15):为什么你的重试没用——429、抖动、fallback 与熔断
java·服务器·前端
Csvn2 小时前
Nginx 缓存体系:三层 key、七态 X-Cache-Status 与锁/stale 策略
后端·nginx
郝学胜-神的一滴2 小时前
Effective Python 条款36:优雅拼装迭代器与生成器
开发语言·数据结构·人工智能·python·numpy·scikit-learn
文丑颜不良啊2 小时前
LeetCode3401~3420题目解析
java·leetcode