腾讯内部的“AI搜索配方”，公开了！

智东西

作者 | 毕伟豪

编辑｜漠影

把一个 AI时代很常见的问题 输进搜索框——查查腾讯最近的股价、产品和成员变动。这是谷歌的非AI搜索结果：

▲谷歌搜索结果

在谷歌的传统搜索中，用户得到的是一系列网页链接；而在元宝搜索中，同样的问题呈现出的结果却大不相同。

▲接入元宝搜索的WorkBuddy

两种搜索结果的差别，恰好折射出搜索正在经历的变化。

过去，搜索引擎返回网页链接，用户需要自己筛选、比对和整理信息，进入AI时代，搜索则开始直接 整合多方资料、生成答案 。

AI时代对于搜索的更高要求，刚好对应着大模型落地的两大痛点—— 幻觉和知识滞后 ，即模型能力再强，也可能产生幻觉，或者因知识更新不及时而给出过时信息。

而当能够调用工具、执行任务的Agent成为焦点，检索中的错误或过时信息，可能会沿着后续工具调用传递下去， 影响整个任务的判断与执行 。

搜索因此不只要找得全、更新及时，还要尽可能准确，并将信息整理成 Agent能够直接使用的结果 。

对于这种根源性问题， RAG（检索增强生成） 是缓解知识滞后、提升回答可靠性的重要技术路径之一。

但开发者以及企业想要自建RAG，需要建立与长期维护信源采集、数据清洗、索引构建等多个环节，这也意味着 高昂的成本 ，而现成搜索API的价值正是降低接入和运维门槛。

10月20日，腾讯升级元宝搜索，并通过腾讯云向个人开发者和企业提供API服务。

过去一年，元宝搜索持续进行优化，整合全网公开资源和腾讯优质内容，构建了千亿级的索引规模，并经过了WorkBuddy、ima等腾讯内部应用的锤炼。

此次升级的意义，不只是发布一项搜索能力，更在于腾讯将 经过内部业务打磨和规模化验证的搜索基础设施 ，开放给全行业，成为外部开发者可以直接调用的通用服务。

这也让腾讯在自有AI应用中积累的工程经验与技术能力，有机会进一步转化为AI行业的基础设施。

一、实测WorkBuddy、ima都在用的搜索能力，到底好不好？

对开发者来说，给Agent增加搜索能力有两种选择：自己搭建检索链路，可以更灵活地控制搜索逻辑，但也需要 持续投入研发、信源维护和运维 ；接入现成的搜索服务，则能减少这部分工程投入， 搜索质量与服务稳定性也更依赖服务提供方 。

此次升级后，元宝搜索提供Skill、MCP和API三种接入方式，并推出 限时免费额度 ：每月2000次，10月、11月通过邀请码每月最高可享受6000次调用，开发者可以先接入测试，再决定是否用于实际业务。

▲元宝搜索的免费额度

智东西通过API对元宝搜索进行了实测。接入流程不复杂，首先，在腾讯云获取API Key，随后打开终端，输入一条curl命令，就能发起搜索请求：

curl -sS -X POST https://api.wsa.cloud.tencent.com/SearchPro \

-H “Content-Type: application/json; charset=utf-8” \

-H “Authorization: Bearer 秘钥” \

-d ‘{“Query”:”今日AI新闻”}’

将代码中的“秘钥”替换为实际获取的API Key，执行后即可向元宝搜索提交查询，并在终端查看返回结果。

▲终端的原始返回结果

完成API调用后，我们又将接口 封装成Skill接入DeepSeek Harness ，让Agent能够根据任务需要自主调用搜索。这样，搜索能力就从一次手动请求，变成了Agent工作流中可以随时调用的一环。

▲元宝搜索接入DeepSeek Harness的Skiil文件

接入完成后，我们测试了一下基本的新闻检索，比如输入提示词，用元宝搜索查一下今天的社会新闻，可以看到元宝仅用时17秒就返回了结果。

普通网页搜索结果以标题、摘要和链接为核心，接下来，Agent还可以 结合网页抓取工具读取相关内容 ，进一步完成信息整理。

元宝搜索返回的不只有以标题、摘要和链接为核心的网页结果，还有一类 垂类信源 ，面向天气、股价、金价等场景 提供结构化数据 。

比如查询“北京今日天气”，就会返回一个结构化的VR卡片，能够很清晰地反映信息。

我们还尝试了搜索腾讯股价，也同样命中了垂类信源，元宝搜索的返还结果中包含股价卡片，数据来自腾讯自选股。

这意味着，面对有明确数据结构的任务，Agent不必总是先打开网页、抓取正文，再提取所需字段，可以 直接处理搜索接口返回的数据 。

对于需要连续调用工具、整理信息并执行下一步操作的Agent来说，少一次抓取和解析，能够提高不少效率。

随后，我们选取了 政策查询、学术研究和开发者资源整理 等任务，并结合DeepSeek Harness中的抓取工具，进一步测试元宝搜索在实际场景中的表现。

我们首先测试了政策信息检索，输入“用元宝搜索查询今年的人工智能相关政策信息”。约42秒后，Agent便整理出了一份政策信息清单，按照时间、文件名称、发布主体和关键内容制成表格，并进一步归纳出几条政策主线。

从结果来看，信息主要来自工信部、商务部等权威机构网站，既方便快速了解政策动态，也为后续查找原文、核对具体条款提供了清晰入口。

学术研究是另一个适合搜索与Agent协作的场景。我们以近期受到关注的递归自我改进（RSI）为主题，调用元宝搜索去查找近半年相关论文，并整理研究进展。约2分半钟后，系统便返回了相关资料。

在此基础上，我们进一步结合arXiv API获取论文信息、交叉核对文献，生成一份RSI综述。两者配合，让Agent能够把搜索结果继续转化为更系统的研究材料。

开发者资源整理也能够反映元宝搜索的能力，我们让DeepSeek Harness调用元宝搜索查找Python入门学习资源，它最终整理出67项内容，从环境配置、基础语法到练习和项目实践逐步展开，并区分官方文档与社区教程，形成了一份结构清晰的学习清单。

这类任务的价值不只在于找到网页，对于开发者而言，搜索服务提供信息入口， Agent则负责把信息组织成更贴近实际需求的成果 。

最后，我们进一步提高了任务复杂度，让DeepSeek Harness调用元宝搜索梳理腾讯近期的产品动态、人员变化、官方技术信息和关键业务数据，并生成一份带有来源链接的资料清单。

最终输出接近300行，分成四个部分，包含日期、事件摘要和来源链接，部分财务信息还细化到了季度营收、资本开支等指标。系统也对部分来源进行了分级，并对缺乏官方确认的信息作出了提示。

从单次新闻检索，到政策信息汇总、学术资料整理，再到企业专题调研，这几组测试呈现出一条比较清晰的路径：

元宝搜索负责帮助Agent 发现和获取外部信息 ，Agent再根据任务要求，将这些信息 整理成表格、学习清单或专题资料 。

需要说明的是，前文提到的任务完成时间，是 Agent执行任务的整体耗 时 ，并非搜索接口本身的响应时间，包含模型整理结果、后续网页抓取等处理环节。

在我们通过VS Code进行测试的过程中，连续调用5次，API单次调用耗时为345—485毫秒， 平均耗时仅为约0.42秒 ，速度是相当快的，体感上几乎是发出指令后秒回。

二、从内部打样到全面开放：元宝搜索的能力外溢

在对外提供服务之前， 元宝搜索已经应用于腾讯内部多个产品 ：

WorkBuddy需要搜索外部信息，支撑调研、分析等办公任务；ima需要将互联网信息与用户已有的知识结合；腾讯视频和腾讯金融科技，则分别涉及内容检索和专业领域的信息查询。

▲WorkBuddy企业版中的元宝搜索技能

在WorkBuddy中，元宝搜索能帮助智能体更准确地理解搜索意图，在技术文档、官方API等场景中更快找到所需资料，减少不必要的工具调用和模型轮次。

WorkBuddy团队反馈，以前做调研，需要先搜集大量网页，再逐一判断信息是否可信，接入元宝搜索后， 权威信息可以直接进入工作流，结论也能追溯出处 。

团队也因此无需再自行维护信源和抓取链路，能 将更多精力投入智能体的任务规划与交付 。

根据腾讯披露的数据， 元宝搜索日均调用量已达数亿次 ，支撑WorkBuddy、ima、腾讯金融科技、腾讯视频等50多个核心业务。

腾讯云副总裁、腾讯元宝搜索研发负责人马晋在接收智东西等媒体采访时提到，在WorkBuddy中，接入元宝搜索后任务的 平均搜索调用次数从8次左右降低到5次左右 ，元宝搜索内部评测的搜索满意度，也较升级前 提升了10%—20% 。最快版本的接口响应时间从原来的400—500ms优化到了 300ms以内 。

这些内部应用，为搜索能力提供了不同业务场景下的使用经验。但内部产品验证与对外提供标准化服务，并不是同一件事。

在内部，搜索可以围绕既定的模型、数据和业务流程进行适配；面向外部开发者，则需要考虑 不同模型、Agent框架和应用场景的兼容 性，还要让开发者能够独立调用、灵活组合，并承担稳定的服务质量。

这也是元宝搜索此次升级的重点之一。通过Skill、MCP和API，腾讯将搜索能力封装为不同的接入方式，供开发者按需使用。

开发团队不必从头搭建完整的搜索基础设施，可以 把更多精力放在具体应用和任务流程上 。

从内部业务到外部开发者，腾讯正在尝试把搜索从自有产品中的一项能力，进一步变成可以被不同AI应用复用的服务。

三、模型自带VS独立搜索API，谁是未来？

随着大模型开始联网获取信息，搜索正在成为模型和Agent的重要组成部分。不过，各家厂商并没有采用完全相同的产品路线。

以OpenAI和谷歌为例，两家都将搜索整合进模型API：OpenAI通过Web Search工具联网检索，谷歌则通过Google Search grounding调用搜索，并将检索结果、来源信息用于生成回答。

需要注意的是，这类“模型内置搜索”并不意味着模型权重本身具备了搜索能力，而是平台 将检索、结果处理与回答生成衔接起来 。

另一条路径是将搜索作为独立服务开放，开发者可以单独调用搜索能力，再根据业务需求选择模型，并将检索结果接入Agent工作流。

两种路径的区别在于：前者将搜索与模型调用整合，减少开发者自行编排的工作；后者则将搜索能力独立出来， 给开发者更多模型选择和流程控制空间 。

因此，对元宝搜索这样的独立搜索API而言，竞争关键已不只是能否搜到信息，还包括 信源质量、响应速度、调用成本 ，以及 能否稳定支撑Agent的多步检索与任务执行 。

从这个角度看，元宝搜索此次升级，不能只看它提供了多少种接入方式，还要看其搜索能力能否在不同业务场景下持续提供有用的信息。

根据腾讯披露的信息，元宝搜索已构建千亿级索引， 覆盖金融、政务、医疗等13个垂直行业，并接入157个权威信源 。

在检索技术层面，腾讯介绍，其采用 自研磁盘向量索引并与倒排索引融合 ，相关优化使召回率从不足80%提升至93%以上，机器数量则从3200台降至400台。

在找到信息之后，系统还需要判断哪些内容更值得呈现。元宝搜索通过大模型 重构排序链路 ，并使用 Gist Token压缩技术 ，优化推理延迟与成本，试图兼顾结果质量和服务效率。

信源治理方面，马晋在采访中提到，元宝搜索会 从站点、账号、页面三个层级评估内容质量 ，并结合真实性、内容丰富度、专业度等因素判断信源价值。针对不同问题，也会调整权威性和时效性的权重。

对于AI生成的低质内容，马晋直言团队会通过模型识别单篇内容，并“拉黑”频繁发布此类内容的网站或账号。

这些技术指标说明了腾讯在检索、排序和内容治理上的投入，但还不能直接等同于最终答案的准确率。对于开发者而言，更重要的是这些能力在实际任务中能否持续转化为可靠的搜索结果，以及稳定、可控的调用体验。

马晋在与智东西等媒体沟通的过程中，提到了一个很有意思的观点： 让搜索能力 ， 成为AI行业的水电煤 。

这背后，是腾讯对Agent基础设施市场的判断。随着AI应用从回答问题走向执行任务，开发者对实时信息、可靠信源和稳定检索能力的需求也在增加。

腾讯希望通过独立的AI搜索服务，将内部积累的搜索能力封装成开箱即用的云服务，让开发者和企业无需从头搭建检索链路，也能 以更低的接入成本、更快地为自己的AI应用补上搜索能力 。

结语：腾讯B端Agent市场，再落一子

如果说大模型决定了AI的能力上限，那么搜索、数据获取和工具调用等基础设施，则决定了这些能力能否真正进入业务、完成任务。

随着Agent从回答问题走向复杂任务执行，AI产业的竞争也在从模型能力向更完整的基础设施与开发者生态延伸。

对云厂商而言， 谁能为开发者提供可靠的信息来源、便捷的工具接入和稳定的服务支撑 ，谁就更有机会成为Agent应用落地的重要底座。

腾讯此次开放元宝搜索，也是在模型之外，进一步争夺Agent时代的基础服务入口。

资讯由采集器定时从公开的机器人 / AI 信息源自动聚合。