腾讯宣布向全行业开放「元宝搜索」能力。
作者｜连冉
编辑｜郑玄
过去一年，AI 行业的战场正在悄悄发生位移。
当 Agent 从概念快速渗透进办公、内容、金融等真实业务场景，行业共识也在悄然改变：决定 AI 体验上限的，是它连接真实世界的能力。
政策迭代、市场波动、行业动态、垂类数据……现实世界的信息每秒都在更新，大模型自带的知识储备永远有边界，想要输出可靠结论、完成复杂任务，就必须接入实时、权威的外部信息。
搜索，是大模型对接真实世界的核心接口。但这也是当下 AI 落地的共性卡点：传统搜索基于关键词匹配，读不懂自然语言的复杂意图，低质内容还容易引发模型幻觉；从头自建一套完整检索体系，又意味着检索、解析、索引、运维一整套极高的工程门槛，绝大多数团队都难以承担。
而腾讯其实早就在默默布局这层底层能力。 过去一年，腾讯在 AI 应用层动作密集：全场景智能体工作台 WorkBuddy、AI 知识管家 ima、腾讯视频 AI 小助理等 50 余款产品接连落地，覆盖办公、内容、金融等多个核心场景。但很少有人注意到，支撑这些产品联网检索、信息获取能力的底层搜索基座，此前一直藏在幕后。
10 月 20 日，这张「暗牌」终于正式亮相，元宝搜索迎来全面升级，并通过腾讯云以 API 形式向个人开发者与企业开放。
这套已经在腾讯内部支撑数50多款核心产品、沉淀数千亿级索引、接入 157 个权威信源、日均调用量达数亿次的搜索能力。这次全新升级的元宝搜索正式从内部自用工具，转向面向全行业的公用 AI 基础设施。
从幕后走到台前，元宝搜索的开放，补上的是 AI 规模化落地过程中，一块缺失已久、经过真实业务验证的信息基建拼图。
01
一张尚未被翻开的搜索底牌
搜索的发展，一直与互联网如何组织信息、分配流量紧密相连。每一次行业代际变迁，都会重新定义搜索的定位。
PC 互联网初期是目录导航时代，雅虎用人工分类的方式整理网站，搜索是互联网的「导航地图」；随后谷歌凭借 PageRank 算法开启了关键词搜索时代，搜索成为整个互联网的流量入口，核心逻辑是「人找信息」，通过关键词匹配返回网页列表，广告成为最核心的商业模式，谁掌握了搜索，谁就掌握了流量分发权。
进入移动互联网时代，超级 APP 割裂了开放的互联网，信息孤岛开始形成。通用搜索的入口价值被稀释，搜索能力逐步下沉为垂类产品的内置功能——电商搜商品、内容平台搜视频、社交工具搜聊天记录，搜索从独立的流量产品，变成了服务各自生态的基础能力，语音搜索、本地搜索等新形态也随之出现。
而当 AI 浪潮袭来，搜索正在经历第三次本质变化：服务对象从「人」变成了「智能体」，核心目标从「返回网页链接」变成了「交付可信、结构化、可直接调用的信息」。
「搜索面对的用户从 1.0 时代的人，变成了 3.0 时代的智能体。这是整个使用对象的本质变化。」 腾讯云副总裁、腾讯元宝搜索研发负责人马晋表示，大模型天然存在幻觉、知识时效性不足、垂类术语缺失三大短板，搜索正是解决这些问题的核心路径。
这其中，实时性是 AI 搜索区别于传统静态大模型最核心的价值之一。传统大模型的知识停留在训练截止日，面对瞬息万变的现实世界天然存在 「时差」；而 AI 原生搜索可以同步全网最新动态，让 Agent 获得持续感知外部变化的能力 —— 金融行情的实时波动、政策法规的最新修订、行业事件的即时进展，都能第一时间转化为智能体可调用的信息输入。
对于 Agent 来说，搜索成为了感知外部世界的核心感官，正是这种底层需求的变化，让搜索从 「应用层功能」 重新回到了 「基础设施层」 的核心位置。
但站在当下的行业节点看，适配 AI 时代的搜索基础设施，供给远远跟不上需求。
传统搜索 API 脱胎于「人找信息」的逻辑，本质还是关键词匹配，面对长语义、强意图的复杂查询，召回精度往往大打折扣；通用网页搜索的结果里混杂着大量 SEO 内容、营销号与过期信息，直接投喂给大模型，极易催生幻觉，让 AI 输出错误结论。
针对泛滥的 AIGC 低质内容，行业至今没有一劳永逸的解法。马晋提到，这本质是一场攻防战：既要靠模型识别单篇内容的特征，也要针对频繁发布低质内容的站点、账号做专项治理；但更有效的思路，是从源头提升优质信源的权重，让可信内容优先被召回。
如果选择自建搜索体系，门槛则是高得惊人：网页解析去噪、千亿级数据的存储与索引、排序模型的迭代优化……这不仅需要一整支专业的搜索工程团队，还需要长期的算力与运维投入，对于绝大多数创业团队和中小公司来说，几乎是不可能完成的任务。 一边是 Agent 落地对可信搜索能力的刚性需求，一边是供给端的高门槛与低适配，AI 搜索基础设施的缺口，正在成为全行业的共性瓶颈。
而腾讯，其实早就在悄悄补这块短板。
在大众的认知里，腾讯的 AI 布局往往被拆解为两端：底层是混元大模型，上层是 WorkBuddy、腾讯视频 AI 这类面向用户的应用产品。但很少有人注意到，在模型与应用之间，还有一层至关重要的中间基础设施层——元宝搜索、向量数据库等通用能力，负责连接真实世界、处理外部信息，为所有上层 AI 应用提供稳定的信息输入。
它面向 AI 开发者与企业，更像是 AI 应用背后的 「信息供电站」—— 把结构化、高可信度的信息输送给大模型与智能体，支撑上层业务的稳定运行。马晋在接受采访时也明确了元宝搜索的底层定位：「我们不会做面向普通用户的 C 端独立搜索入口，而是藏在各类 AI 产品的背后，提供更优质、更可信的搜索信源。」
过去很长一段时间里，这张底牌都藏在幕后，只服务腾讯内部的业务线。而当大厂 AI 竞争从 「拼模型参数」 走向 「拼落地能力」，中间层的基础设施就成了新的胜负手，这张藏了很久的搜索底牌，也终于到了翻开的时候。
02
先跑通内部全场景：
经过规模化验证的搜索基座
此前行业里的 AI 搜索产品，大多还停留在「插件级」——给大模型加一个联网功能，本质还是「人提需求，搜索补信息」。
但真正走向 Agent 时代，搜索需要成为一套独立的生产级基础设施：既能持续输入权威信息，又能适配 AI 的语义理解，还能支撑大规模、高稳定的并发调用。
元宝搜索最初从服务元宝 APP 的联网搜索需求起步，随着腾讯内部 AI 产品的批量落地，逐步沉淀为通用的 AI 友好搜索能力，陆续接入了 50 余款内部核心产品，覆盖办公、内容、金融、工具等多个赛道。日均数亿次的调用量，数千亿级的索引规模，13 大垂直行业、157 个权威信源的内容覆盖，都是在一轮又一轮的真实业务打磨中积累下来的。
图片来源：元宝搜索
这种「先内部验证、再对外输出」的模式，让元宝搜索在工程成熟度上天然具备优势。
在办公智能体场景，WorkBuddy 接入元宝搜索后，彻底告别了自建搜索体系的沉重负担。此前如果要让智能体具备联网调研能力，团队需要搭建检索、索引、排序一整套工程体系，不仅研发成本高，返回的信息可信度也难以把控；接入元宝搜索后，权威信息可以直接进入智能体工作流，每条结论都能追溯到官方来源，团队不用再耗费精力维护信源与抓取链路，可以把全部重心放在智能体的任务规划与交付体验上。
在内容娱乐场景，腾讯视频 AI 小助理接入后，信息覆盖度直接扩展了 20%。此前受限于内部内容库，站外的新片档期、热度榜单、演职员动态更新滞后，面对用户模糊的剧情描述式找片需求，召回效果也不尽如人意；接入元宝搜索后，全网实时信息可以同步更新，哪怕是模糊的剧情描述，也能精准匹配到对应作品，直接带动了用户 AI 搜索的人均使用次数与次留双增长。
搜索和 Agent 并非单向调用关系，而是双向协同进化。马晋解释：「Agent 要学会拆解出更适配检索的 query，搜索要向 Agent 输出权威性等级、发布时间、排序满意度这些特征信号，反过来 Agent 最终的引用结果和质量反馈，也会回传给搜索持续优化。」 这种双向对齐的效果直接体现在效率上：升级后，内部智能体完成同类任务的平均搜索调用次数，从 8 次降到了 5 次左右 —— 结果质量提升后，智能体不需要反复检索试错，任务完成效率显著提升。
数十条业务线的全场景落地，相当于给元宝搜索做了持续的多维度压力测试与场景适配，也让这套能力跳过了 Demo 阶段，直接具备了生产级服务的稳定性与适配性。
在实际使用中，官方一共提供了直接 API、MCP 以及 SkillHub 三种模式。
使用的第一步，开发者只要在腾讯云开通元宝搜索，就能直接获得每月 2000 次的免费额度。
对于习惯使用 API 直连的开发者来说，只要在腾讯云控制台的「服务 API KEY」 页面中创建并复制明文 Key，将其配置到本地环境变量（export TENCENTCLOUD_WSA_APIKEY='sk-你的key'），就能快速完成鉴权与接口调用。
标准模式下，根据我们的检索问题，会返回 10 条结果，每条带 title / date / site / url / score。
此外，官方还提供了 Freshness（时效范围）、Industry（垂直领域）、Mode（结果类型）、Site（限定/排除站点）、Cnt（返回条数）等丰富的配置项，精准解决了传统搜索调控手段单一的痛点。比如把 Freshness 设为 d1 即可锁定最近一天的新闻，设置 Industry 为 gov 则能强制只检索党政机关信源，彻底防止低质营销号误导大模型。
要使用 MCP 的方式接入就更简单了，只需把前面拿到的 Key 映射进 Cursor 或 Codex 的配置文件，填入官方的远程 MCP 地址https://api.wsa.cloud.tencent.com/Mcp ，启动后确认工具列表中 SearchPro 已亮灯，就能在编辑器里直接用自然语言指挥 Agent 联网。
而如果使用 SkillHub 接入还会进一步简化：利用命令行安装好技能包后，本地会自动生成 SKILL.md 指引和脚本。
此时直接对编辑器里的 AI 说「帮我搜索最新的……」 ，Agent 就会自动识别语义并完成调用。
接下来，我用 Python 脚本直连 API 的方式跑了一组实测，查询当日热点「法国多个城市实施宵禁」 ，得到的结果如下图所示：
可以看到，返回的 10 条结果全都是当天发布的最新报道，最新的一条发布时间距离测试时间还不到 2 小时，且每一条都附带了确切的时间戳与可追溯的原文 URL。
另外我又跑了一组对比测试，检索关键词是「最新政策发布」 ，这类内容通常需要关注最新的官方信源，因此我在参数中加上了 Industry=gov Freshness=d7的限制，查询最新的政策动态。
可以看到结果返回的全都是中国政府网、商务部、新华网等党政机关及主流官方节点，完全没有自媒体与营销号混入。
整体来看，元宝搜索的核心优势在于工程层面的成熟度：接入轻、理解准、信源稳、响应快，命中了开发者 「不想自己做搜索，又想要靠谱搜索能力」 的核心诉求，是一套真正可以直接用于生产环境的搜索基础设施。
马晋称，未来元宝搜索会沿着三个方向持续演化：一是通过数据飞轮实现自迭代、自优化，让搜索模型可以持续闭环进化；二是不断扩充全网多语言优质内容，目前已经覆盖中英双语，后续会继续拓展；三是深耕垂直领域，把金融、医疗、法律等垂类搜索做深做透。
03
Agent 时代，基础设施的竞争才刚开始
科技行业的发展周期里，竞争的重心永远会沿着技术栈向下沉淀。
云计算时代，企业竞争围绕计算与存储资源展开，谁能提供稳定、低成本的算力，谁就能掌握产业主动权；大模型时代早期，行业的注意力集中在模型参数与生成效果上，参数规模是最核心的比拼指标。
而当 AI 进入 Agent 落地期，竞争的重心开始进一步下移——谁能让 AI 更稳定、更低成本地连接真实世界，谁才能支撑起上层的规模化应用。
一个清晰的行业趋势正在形成：AI 搜索正在从可选插件，变成 Agent 时代的「水电煤」，成为所有智能应用都离不开的基础基座。
就在元宝搜索官宣前不久，DeepSeek 也正式开放了自研的 Search 搜索 API，为 Agent 与 RAG 应用提供实时网页检索能力。从模型厂商到云厂商，国内玩家密集布局搜索基础设施赛道，恰恰印证了一个判断：开放搜索能力，是整个行业走向成熟的必然选择。当大模型的能力逐步趋同，上层应用的差异化竞争，最终会落到底层基础设施的厚度上。
不同玩家的路径选择也体现了差异化的思路。
模型厂商的搜索服务更侧重和自身模型的深度联动，主打轻量化与低成本；而云厂商出身的元宝搜索，优势则集中在经过大规模业务验证的工程稳定性、丰富的垂类权威信源，以及背后的生态资源整合能力。不同玩家可以共同把搜索基础设施的市场蛋糕做大，给开发者提供更多元的选择。
更重要的意义，是给整个行业降低 AI 落地的门槛。元宝搜索这类经过大规模业务验证的搜索基础设施开放后，开发者不用再重复造轮子，可以把有限的精力集中在产品逻辑、场景创新与用户体验上，这会进一步催生更多垂直场景的 AI 应用，加速整个行业的落地进程。
AI 的下半场，注定是基础设施的战争。 搜索作为连接大模型与真实世界的核心入口，会成为这场战争里的关键战场。
*头图来源：元宝搜索
本文为极客公园原创文章，转载请联系极客君微信 geekparkGO
极客一问
Agent 落地浪潮里，可信搜索基建
会成为 AI 产品的核心分水岭吗？
