关于秘塔 AI 搜索使用体验
2024-02-27
部分差异化猜想
秘塔的响应速度与结构逻辑
目前秘塔在响应速度上做的体验非常好，从结构逻辑上来说也非常清晰，可能是把知识图谱提前写了一个框架在结构里。
结果呈现与用户体验
结果呈现的思维导图部分应该也做过特定优化，技术上不难，但体验上对用户来说会友好一些。
数据缓存与用户量级
不太确定是不是做了数据缓存，当搜索量到一定量级的时候，本地缓存的数据实际上就已经能满足需求，一旦他的用户量级突破一个特定的数量级之后，100 个问题汇总为一个问题拿到一个标准答案，用标准答案去做尺子继续演进结果。
知识收集与内容生成
公共领域的知识和答案是容易收集且标准化的，另一个比较简单的思路是同类型做突破，然后拿结构去导内容，结构化索引导出比泛索引要要容易一些，毕竟有同类数据可以参考，只是看能不能补足对应的内容。
索引机制与数据有效性
总体的体验确实不错，它应该不是中文翻英文去索引完之后再做结果反馈，就是基于中文文本的索引，但很有可能他把索引的数据库的内容来源做了有效检索和鉴定。还有一种实现方式是根据检索来源的引用率去反馈数据的有效性，然后再做分析归类和建立有效反馈机制。
一些可能会遇到的问题
Token 消耗与成本控制
盲猜对 Token 的消耗会很大，如果他做本地的提前数据索引的话可能会好一些，如果纯粹靠模型能力去做交互，相信也是一笔不小的成本；
索引内容的可控性
对索引内容的可控性反馈机制，目前不确定是不是有更好的方案；
商业模式与盈利点
做搜索花的钱不是普通工具的数量级，是不是有足够的钱支撑到商业模式能打正的时候，有用户收费的计划，暂时看不出他的更高收费点机制是什么，应该还在开发；
搜索入口与用户要求
以问题的为起点的机制在搜索的入口点占比是高的，但是对用户的要求会提高，这个是搜索一个关键要素。
总结与展望
总体值得一试，也希望今年能出现更多搜索导向的产品，让用户的体验更好一些。
[投票下载失败]