上一篇我们聊了 AI 幻觉——大模型会一本正经地胡说八道。你可能会问：既然大模型不靠谱，那我直接用搜索引擎不行吗？搜索引擎给出的每条结果都有来源，至少不会编造。
这个问题问得好。但答案没那么简单。
搜索引擎和大模型，看起来都是"你问它答"，背后的工作原理完全不同。搞清楚它们的区别，你才能知道什么时候该用哪个——而不是拿着锤子看什么都像钉子。
搜索引擎：帮你找书的图书馆管理员
搜索引擎的工作原理是检索。
当你输入"北京今天天气怎么样"，搜索引擎不会"思考"这个问题。它做的事情是：在已经索引的海量网页中，找到与你关键词最匹配的那些，按相关性排序，然后呈给你看。
想象一个巨大的图书馆。你走进去问管理员："有没有关于量子物理的书？"管理员不会给你讲量子物理的原理——他只是帮你找到了相关的书。书里的内容对不对、好不好，管理员不负责判断。
搜索引擎就是这个管理员。它帮你找到信息，但不帮你理解信息。
这意味着什么？搜索引擎的结果是有来源的。每条搜索结果都指向一个具体的网页，你可以点进去看原文、查出处、判断可信度。这是搜索引擎最大的优势：可溯源。
但搜索引擎有个根本局限：它不理解你到底想知道什么。
你搜"头疼怎么办"，搜索引擎返回的是一堆包含"头疼"和"怎么办"这两个关键词的网页。它不会分析你的具体情况——你是偏头疼还是感冒引起的？你是想找家庭急救措施还是想找该挂哪个科？它只是机械地匹配关键词。
大模型：读过所有书的学者
大模型的工作原理完全不同——它是生成。
还记得我们第一篇讲的吗？大模型的本质是"接话"。它在训练阶段读了海量的文本数据——书籍、论文、网页、代码、对话——把所有这些信息压缩成了参数中的"理解"。当你问它问题时，它不是去"找"答案，而是基于它对世界的"理解"来"生成"回答。
继续用图书馆的比喻：搜索引擎是帮你找书的管理员，大模型则是那个读过图书馆里所有书的学者。你问学者"量子物理是什么"，他不会去书架上翻——他会根据自己读过的所有内容，用自己的话给你讲清楚。
这就是为什么大模型的回答通常更有"人味"。它理解你的意图，能分析你的问题结构，给出组织清晰的回答。你说"帮我分析一下这段代码为什么报错"，它能读懂代码逻辑，定位问题，给出修改建议。搜索引擎做不到这一点——它只能帮你找到"可能相关"的 Stack Overflow 帖子。
一个准确但笨，一个聪明但不一定准
说白了，搜索引擎和大模型各有各的优势和短板。
搜索引擎擅长的： 事实查证。今天人民币汇率多少？最近有什么新闻？某篇论文的原文在哪里？这类问题搜索引擎完胜，因为它给你的每条信息都有明确来源，你可以验证。
搜索引擎不擅长的： 理解和分析。你问它"我该不该转行做 AI"，它只能返回一堆别人写的相关文章，不会帮你结合你的情况做分析。
大模型擅长的： 理解意图、分析问题、生成方案。写代码、解释概念、做计划、翻译、总结——这些需要"理解力"的任务，大模型比搜索引擎好用得多。
大模型不擅长的： 准确性和时效性。大模型的知识有截止日期，而且可能产生幻觉（上一篇刚讲过）。它不知道今天发生了什么，也不保证每个细节都准确。
所以有一句话总结：搜索引擎是帮你找到信息，大模型是帮你理解信息。
"搜索 + AI"：最强组合
既然搜索引擎准但笨，大模型聪明但不一定准——能不能让它们结合？
业界已经在做了。核心思路是：让大模型在回答之前先搜索。不靠记忆回答，而是先查资料再回答。这种技术叫 RAG（Retrieval-Augmented Generation，检索增强生成），说白了就是给大模型一场"开卷考试"。
搜索+AI 正在成为整个行业的标配，我们分几个阵营来看：
第一类：AI 原生搜索引擎。 Perplexity 是最早跑出来的——你问它问题，它会先搜索互联网，再基于搜索结果生成回答，并且附上每句话的来源链接。它从一开始就把搜索引擎的"可溯源"和大模型的"理解力"结合在了一起。
第二类：对话式 AI 产品内置搜索。 现在几乎所有主流对话 AI 都接入了搜索功能——ChatGPT、Claude、Gemini、DeepSeek、Kimi、豆包、通义千问，无一例外。它们原来只能靠训练数据回答，现在都可以实时搜索互联网，不再只靠"记忆"。
第三类：传统搜索引擎加 AI。 Google 推出了 AI Overviews，在搜索结果上方直接加一段 AI 总结；Bing 集成了 Copilot，搜索结果旁边就是一个 AI 对话窗口。当然早期出过一些离谱的错误（比如 AI Overviews 建议在披萨上涂胶水），不过现在已经持续优化了很多。
第四类：开发工具也开始内置搜索。 Claude Code、Cursor、GitHub Copilot——这些编程助手写代码时可以自动搜索最新的文档和技术方案，边编程边帮你查资料。
搜索+AI 已经不是一个产品功能了，它在变成一种基础设施。传统搜索引擎在变"聪明"——加入 AI 理解能力；大模型在变"靠谱"——接入实时搜索。两边正在相向而行。
什么时候用哪个？
说了这么多原理，实际使用中怎么选？
查事实类信息——用搜索引擎。 新闻、股价、航班、论文原文、政策法规。这类信息讲究时效和准确性，搜索引擎给你的每条结果都有来源，可以交叉验证。
需要理解和分析——用大模型。 解释一个概念、分析一段代码、写一份方案、做数据解读。这类任务需要"理解力"，大模型能把复杂信息组织成你听得懂的回答。
最佳实践：两个都用。 让大模型帮你理清思路、搭建框架，然后用搜索引擎验证关键事实。比如你要写一份行业报告，先让 AI 帮你列大纲、分析趋势，然后用搜索引擎查具体数据和引用来源。
这种"搜索 + AI"的工作方式，其实最接近人类处理信息的模式——先理解问题、形成思路，再查阅资料验证。
搜索引擎是帮你找到信息，大模型是帮你理解信息。而 AI 搜索正在把两者合二为一。搞清楚了这个区别，你就能更聪明地使用这些工具，而不是被它们牵着走。
下一篇我们聊开源模型和闭源模型。你可能听过 DeepSeek、Llama 这些名字，也可能好奇：既然大模型这么厉害，为什么不把代码都公开？开源和闭源到底有什么区别，普通人该怎么选？