騰訊內部的“AI搜索配方”，公開了！

作者 | 畢偉豪 編輯｜漠影 把一個AI時代很常見的問題輸進搜索框——查查騰訊最近的股價、產品和成員變動。這是谷歌的非AI搜索結果： ▲谷歌搜索結果 在谷歌的傳統搜索中，用戶得到的是一系列網頁鏈接；而在元寶搜索中，同樣的問題呈現出的結果卻大不相同。▲接入元寶搜索的WorkBuddy 兩種搜索結果的差別，恰好折射出搜索正在經歷的變化。過去，搜索引擎返回網頁鏈接，用戶需要自己篩選、比對和整理信息，進入AI時代，搜索則開始直接整合多方資料、生成答案。AI時代對於搜索的更高要求，剛好對應著大模型落地的兩大痛點——幻覺和知識滯後，即模型能力再強，也可能產生幻覺，或者因知識更新不及時而給出過時信息。

而當能夠調用工具、執行任務的Agent成為焦點，檢索中的錯誤或過時信息，可能會沿著後續工具調用傳遞下去，影響整個任務的判斷與執行。搜索因此不只要找得全、更新及時，還要儘可能準確，並將信息整理成Agent能夠直接使用的結果。對於這種根源性問題，RAG（檢索增強生成）是緩解知識滯後、提升回答可靠性的重要技術路徑之一。但開發者以及企業想要自建RAG，需要建立與長期維護信源採集、數據清洗、索引構建等多個環節，這也意味著高昂的成本，而現成搜索API的價值正是降低接入和運維門檻。10月20日，騰訊升級元寶搜索，並通過騰訊雲向個人開發者和企業提供API服務。

過去一年，元寶搜索持續進行優化，整合全網公開資源和騰訊優質內容，構建了千億級的索引規模，並經過了WorkBuddy、ima等騰訊內部應用的錘鍊。此次升級的意義，不只是發佈一項搜索能力，更在於騰訊將經過內部業務打磨和規模化驗證的搜索基礎設施，開放給全行業，成為外部開發者可以直接調用的通用服務。這也讓騰訊在自有AI應用中積累的工程經驗與技術能力，有機會進一步轉化為AI行業的基礎設施。一、實測WorkBuddy、ima都在用的搜索能力，到底好不好？

對開發者來說，給Agent增加搜索能力有兩種選擇：自己搭建檢索鏈路，可以更靈活地控制搜索邏輯，但也需要持續投入研發、信源維護和運維；接入現成的搜索服務，則能減少這部分工程投入，搜索質量與服務穩定性也更依賴服務提供方。此次升級後，元寶搜索提供Skill、MCP和API三種接入方式，並推出限時免費額度：每月2000次，10月、11月通過邀請碼每月最高可享受6000次調用，開發者可以先接入測試，再決定是否用於實際業務。▲元寶搜索的免費額度 通過API對元寶搜索進行了實測。

接入流程不復雜，首先，在騰訊雲獲取API Key，隨後打開終端，輸入一條curl命令，就能發起搜索請求： curl -sS -X POST https://api.wsa.cloud.tencent.com/SearchPro \ -H “Content-Type: application/json; charset=utf-8” \ -H “Authorization: Bearer 秘鑰” \ -d ‘{“Query”:”今日AI新聞”}’ 將代碼中的“秘鑰”替換為實際獲取的API Key，執行後即可向元寶搜索提交查詢，並在終端查看返回結果。

▲終端的原始返回結果 完成API調用後，我們又將接口封裝成Skill接入DeepSeek Harness，讓Agent能夠根據任務需要自主調用搜索。這樣，搜索能力就從一次手動請求，變成了Agent工作流中可以隨時調用的一環。▲元寶搜索接入DeepSeek Harness的Skiil文件 接入完成後，我們測試了一下基本的新聞檢索，比如輸入提示詞，用元寶搜索查一下今天的社會新聞，可以看到元寶僅用時17秒就返回了結果。普通網頁搜索結果以標題、摘要和鏈接為核心，接下來，Agent還可以結合網頁抓取工具讀取相關內容，進一步完成信息整理。

元寶搜索返回的不只有以標題、摘要和鏈接為核心的網頁結果，還有一類垂類信源，面向天氣、股價、金價等場景提供結構化數據。比如查詢“北京今日天氣”，就會返回一個結構化的VR卡片，能夠很清晰地反映信息。我們還嘗試了搜索騰訊股價，也同樣命中了垂類信源，元寶搜索的返還結果中包含股價卡片，數據來自騰訊自選股。這意味著，面對有明確數據結構的任務，Agent不必總是先打開網頁、抓取正文，再提取所需字段，可以直接處理搜索接口返回的數據。對於需要連續調用工具、整理信息並執行下一步操作的Agent來說，少一次抓取和解析，能夠提高不少效率。

隨後，我們選取了政策查詢、學術研究和開發者資源整理等任務，並結合DeepSeek Harness中的抓取工具，進一步測試元寶搜索在實際場景中的表現。我們首先測試了政策信息檢索，輸入“用元寶搜索查詢今年的人工智能相關政策信息”。約42秒後，Agent便整理出了一份政策信息清單，按照時間、文件名稱、發佈主體和關鍵內容製成表格，並進一步歸納出幾條政策主線。從結果來看，信息主要來自工信部、商務部等權威機構網站，既方便快速瞭解政策動態，也為後續查找原文、核對具體條款提供了清晰入口。學術研究是另一個適合搜索與Agent協作的場景。

我們以近期受到關注的遞歸自我改進（RSI）為主題，調用元寶搜索去查找近半年相關論文，並整理研究進展。約2分半鐘後，系統便返回了相關資料。在此基礎上，我們進一步結合arXiv API獲取論文信息、交叉核對文獻，生成一份RSI綜述。兩者配合，讓Agent能夠把搜索結果繼續轉化為更系統的研究材料。開發者資源整理也能夠反映元寶搜索的能力，我們讓DeepSeek Harness調用元寶搜索查找Python入門學習資源，它最終整理出67項內容，從環境配置、基礎語法到練習和項目實踐逐步展開，並區分官方文檔與社區教程，形成了一份結構清晰的學習清單。

這類任務的價值不只在於找到網頁，對於開發者而言，搜索服務提供信息入口，Agent則負責把信息組織成更貼近實際需求的成果。最後，我們進一步提高了任務複雜度，讓DeepSeek Harness調用元寶搜索梳理騰訊近期的產品動態、人員變化、官方技術信息和關鍵業務數據，並生成一份帶有來源鏈接的資料清單。最終輸出接近300行，分成四個部分，包含日期、事件摘要和來源鏈接，部分財務信息還細化到了季度營收、資本開支等指標。系統也對部分來源進行了分級，並對缺乏官方確認的信息作出了提示。

從單次新聞檢索，到政策信息彙總、學術資料整理，再到企業專題調研，這幾組測試呈現出一條比較清晰的路徑： 元寶搜索負責幫助Agent發現和獲取外部信息，Agent再根據任務要求，將這些信息整理成表格、學習清單或專題資料。需要說明的是，前文提到的任務完成時間，是Agent執行任務的整體耗時，並非搜索接口本身的響應時間，包含模型整理結果、後續網頁抓取等處理環節。在我們通過VS Code進行測試的過程中，連續調用5次，API單次調用耗時為345—485毫秒，平均耗時僅為約0.42秒，速度是相當快的，體感上幾乎是發出指令後秒回。

二、從內部打樣到全面開放：元寶搜索的能力外溢 在對外提供服務之前，元寶搜索已經應用於騰訊內部多個產品： WorkBuddy需要搜索外部信息，支撐調研、分析等辦公任務；ima需要將互聯網信息與用戶已有的知識結合；騰訊視頻和騰訊金融科技，則分別涉及內容檢索和專業領域的信息查詢。▲WorkBuddy企業版中的元寶搜索技能 在WorkBuddy中，元寶搜索能幫助智能體更準確地理解搜索意圖，在技術文檔、官方API等場景中更快找到所需資料，減少不必要的工具調用和模型輪次。

WorkBuddy團隊反饋，以前做調研，需要先蒐集大量網頁，再逐一判斷信息是否可信，接入元寶搜索後，權威信息可以直接進入工作流，結論也能追溯出處。團隊也因此無需再自行維護信源和抓取鏈路，能將更多精力投入智能體的任務規劃與交付。根據騰訊披露的數據，元寶搜索日均調用量已達數億次，支撐WorkBuddy、ima、騰訊金融科技、騰訊視頻等50多個核心業務。騰訊雲副總裁、騰訊元寶搜索研發負責人馬晉在接收等媒體採訪時提到，在WorkBuddy中，接入元寶搜索後任務的平均搜索調用次數從8次左右降低到5次左右，元寶搜索內部評測的搜索滿意度，也較升級前提升了10%—20%。

最快版本的接口響應時間從原來的400—500ms優化到了300ms以內。這些內部應用，為搜索能力提供了不同業務場景下的使用經驗。但內部產品驗證與對外提供標準化服務，並不是同一件事。在內部，搜索可以圍繞既定的模型、數據和業務流程進行適配；面向外部開發者，則需要考慮不同模型、Agent框架和應用場景的兼容性，還要讓開發者能夠獨立調用、靈活組合，並承擔穩定的服務質量。這也是元寶搜索此次升級的重點之一。通過Skill、MCP和API，騰訊將搜索能力封裝為不同的接入方式，供開發者按需使用。開發團隊不必從頭搭建完整的搜索基礎設施，可以把更多精力放在具體應用和任務流程上。

從內部業務到外部開發者，騰訊正在嘗試把搜索從自有產品中的一項能力，進一步變成可以被不同AI應用複用的服務。三、模型自帶VS獨立搜索API，誰是未來？隨著大模型開始聯網獲取信息，搜索正在成為模型和Agent的重要組成部分。不過，各家廠商並沒有採用完全相同的產品路線。以OpenAI和谷歌為例，兩家都將搜索整合進模型API：OpenAI通過Web Search工具聯網檢索，谷歌則通過Google Search grounding調用搜索，並將檢索結果、來源信息用於生成回答。需要注意的是，這類“模型內置搜索”並不意味著模型權重本身具備了搜索能力，而是平臺將檢索、結果處理與回答生成銜接起來。

另一條路徑是將搜索作為獨立服務開放，開發者可以單獨調用搜索能力，再根據業務需求選擇模型，並將檢索結果接入Agent工作流。兩種路徑的區別在於：前者將搜索與模型調用整合，減少開發者自行編排的工作；後者則將搜索能力獨立出來，給開發者更多模型選擇和流程控制空間。因此，對元寶搜索這樣的獨立搜索API而言，競爭關鍵已不只是能否搜到信息，還包括信源質量、響應速度、調用成本，以及能否穩定支撐Agent的多步檢索與任務執行。從這個角度看，元寶搜索此次升級，不能只看它提供了多少種接入方式，還要看其搜索能力能否在不同業務場景下持續提供有用的信息。

根據騰訊披露的信息，元寶搜索已構建千億級索引，覆蓋金融、政務、醫療等13個垂直行業，並接入157個權威信源。在檢索技術層面，騰訊介紹，其採用自研磁盤向量索引並與倒排索引融合，相關優化使召回率從不足80%提升至93%以上，機器數量則從3200臺降至400臺。在找到信息之後，系統還需要判斷哪些內容更值得呈現。元寶搜索通過大模型重構排序鏈路，並使用Gist Token壓縮技術，優化推理延遲與成本，試圖兼顧結果質量和服務效率。信源治理方面，馬晉在採訪中提到，元寶搜索會從站點、賬號、頁面三個層級評估內容質量，並結合真實性、內容豐富度、專業度等因素判斷信源價值。針對不同問題，也會調整權威性和時效性的權重。

對於AI生成的低質內容，馬晉直言團隊會通過模型識別單篇內容，並“拉黑”頻繁發佈此類內容的網站或賬號。這些技術指標說明了騰訊在檢索、排序和內容治理上的投入，但還不能直接等同於最終答案的準確率。對於開發者而言，更重要的是這些能力在實際任務中能否持續轉化為可靠的搜索結果，以及穩定、可控的調用體驗。馬晉在與等媒體溝通的過程中，提到了一個很有意思的觀點：讓搜索能力，成為AI行業的水電煤。這背後，是騰訊對Agent基礎設施市場的判斷。隨著AI應用從回答問題走向執行任務，開發者對實時信息、可靠信源和穩定檢索能力的需求也在增加。

騰訊希望通過獨立的AI搜索服務，將內部積累的搜索能力封裝成開箱即用的雲服務，讓開發者和企業無需從頭搭建檢索鏈路，也能以更低的接入成本、更快地為自己的AI應用補上搜索能力。結語：騰訊B端Agent市場，再落一子 如果說大模型決定了AI的能力上限，那麼搜索、數據獲取和工具調用等基礎設施，則決定了這些能力能否真正進入業務、完成任務。隨著Agent從回答問題走向複雜任務執行，AI產業的競爭也在從模型能力向更完整的基礎設施與開發者生態延伸。對雲廠商而言，誰能為開發者提供可靠的信息來源、便捷的工具接入和穩定的服務支撐，誰就更有機會成為Agent應用落地的重要底座。

騰訊此次開放元寶搜索，也是在模型之外，進一步爭奪Agent時代的基礎服務入口。