為什麼 AnySearch 不是 AI 搜尋的正解

AnySearch 確實改善了 AI 搜尋，但它更像整合型檢索層，不是 agent 工作流的正確基礎。

AnySearch 是好產品，但「打開了 80% 的網路」這種說法是行銷，不是架構。真正有說服力的證據，其實更窄也更實用：它在需要結構化、來源豐富的檢索時，確實比通用網頁搜尋更好，尤其是程式、金融、資安與社群資料。這很有價值，但它不等於把網路重新變得可搜尋，也不等於取代資料存取、驗證與領域工具的難題。

第一個論點

廣度有用，但廣度不是護城河。文章最強的賣點，是它能在同一個介面裡抓到公司融資史、App Store 評論、Reddit 討論、正式倉庫中的程式碼片段，以及 IP 情報。對工程師或分析師來說，這確實省下在搜尋、GitHub、WHOIS、商店與論壇之間來回切換的時間。可是一個產品若核心承諾是「我們連起一切」，第一個問題不是碰到多少類別，而是每一類資料能不能持續新鮮、準確、完整。

文章本身也透露了限制。當查詢非常具體時，AnySearch 並不是魔法般解決發現問題，而是把請求路由到最佳來源、融合結果，再提醒覆蓋不均。這樣做是對的，但也證明它的本質：它靠編排既有來源取勝，而不是超越來源本身。換句話說，它的價值取決於上游存取、來源品質與維護紀律。這種廣泛聚合器第一天很驚豔，到了第 300 天就可能因 connector、排序或來源政策漂移而變脆。

第二個論點

真正的產品不是原始檢索，而是信心校準。文章最好的地方，不是「80% 網路」這句話，而是系統拒絕裝懂的例子。在 Anthropic 盡調查詢裡，它把互相衝突的估值數字按信心分級，標出 1.2 兆美元是離群值，並明說 cap table 不公開；在 IP 查詢裡，它區分 whois、BGP 與 reverse DNS，然後直接說自己沒有 reputation 資料，不會硬編一個惡意分數。這才是專業使用者真正需要的行為。

這件事重要，是因為多數 AI 搜尋工具都犯同一種錯：把不確定性壓成一個很像真的答案。AnySearch 看起來更好，是因為它把分歧、缺口與不確定性攤開，而不是把它們抹平。但這也正好說明它的定位被說大了。如果真正的勝出特徵是信任校準，那它賣的就不是「給 agent 的搜尋」，而是介於檢索與行動之間的決策支援層。這個說法更窄，也更站得住腳。

反方可能怎麼說

反方的論點其實很強。傳統搜尋引擎是給人類用的，不是給 agent 用的。人類可以開十個分頁、比對來源、自己解決矛盾；agent 需要的是一個能路由查詢、正規化輸出、去重來源並快速回傳結構化結果的介面。用這個標準看，AnySearch 很像基礎設施，而不是功能。文章裡的案例也支持這點：PM 可以幾分鐘拿到市場與情緒資料，開發者能抓到 production code pattern，資安工程師能把 registry、routing 與 DNS 訊號串起來，不必自己拼五個工具。

還有一個很務實的理由是整合。每多一個 API key、quota 規則與 schema 轉換層，就多一個故障點。對正在做 agent 的團隊來說，這些成本是真實存在的。統一的搜尋層能降低整合工作與 token 浪費，而文章提到的 RRF 式排序與 intent routing，聽起來正是能讓 agent 系統在 production 裡可用的底層管線。從這個角度看，AnySearch 不只是另一個搜尋產品，而是一個省工程時間的抽象層。

這個反方論點成立，但仍不足以支撐誇張命題。統一檢索層是整合勝利，不是新網路。文章自己的例子也顯示，系統最強的時候，是目標資料本來就存在於可存取的公開或半公開來源；當任務依賴私有資料、授權資料庫，或法律上受限且不完整的權威紀錄時，它就弱得多。所以，AnySearch 的確有用，也確實像基礎設施，但它沒有打通網路，只是在碎片化之上做路由。

你能做什麼

如果你是工程師，把 AnySearch 當檢索層，不要把它當真理引擎；評估時看來源覆蓋率、資料新鮮度、拒答品質與分歧處理。如果你是 PM，把它當研究型任務的工作流加速器，但任何牽涉金錢、資安或法律風險的決策都要保留人工覆核。如果你是創辦人，結論更直接：真正贏的 AI 搜尋產品，不是宣稱全覆蓋，而是把不確定性顯示出來、把整合成本壓下去。AnySearch 做到了前者的一部分，卻把後者說得太滿。