你有多久沒(méi)用過(guò)搜索引擎了？或者換個(gè)問(wèn)法，你的搜索習(xí)慣有沒(méi)有發(fā)生變化？在大模型時(shí)代，傳統(tǒng)搜索引擎是否仍然不可或缺？

1.一個(gè)服務(wù)器報(bào)錯(cuò)引起的問(wèn)題

最近，我遇到了一個(gè)服務(wù)器報(bào)錯(cuò)問(wèn)題。如果是幾年前，我的第一反應(yīng)肯定是復(fù)制報(bào)錯(cuò)信息，粘貼到搜索引擎中，看看排名靠前的頁(yè)面里有沒(méi)有能解決問(wèn)題的帖子。

通常情況下，像 StackOverflow 這樣的技術(shù)社區(qū)會(huì)排在搜索結(jié)果的前列，因?yàn)樗e累了大量的技術(shù)問(wèn)答資源，很多開發(fā)者遇到問(wèn)題都會(huì)去那里找答案。

而對(duì)于一些較為冷門的問(wèn)題，答案可能隱藏在某個(gè)小眾論壇或者個(gè)人博客里，這時(shí)候就需要我們具備一定的耐心和判斷能力，從搜索結(jié)果中篩選出最有價(jià)值的內(nèi)容。

2.把問(wèn)題交給大模型

但這一次，我決定嘗試用大模型來(lái)解決問(wèn)題。我直接把報(bào)錯(cuò)信息交給 Perplexity，并讓它結(jié)合 DeepSeek R1 進(jìn)行推理，同時(shí)聯(lián)網(wǎng)搜索可能的解決方案。

從表面上看，這樣的方式似乎比傳統(tǒng)搜索更高效。因?yàn)榇竽Ｐ筒粌H能從多個(gè)來(lái)源抓取信息，還能自動(dòng)總結(jié)、歸納，理論上可以幫我省去篩選冗余信息的步驟。

然而，實(shí)際情況并沒(méi)有那么理想。大模型確實(shí)提供了不少建議，它總結(jié)了所有能找到的網(wǎng)頁(yè)內(nèi)容，整體上看似乎很專業(yè)，也省去了人工篩選的步驟。

但真正能解決我問(wèn)題的內(nèi)容，可能只藏在其中的一篇帖子里。如果逐一嘗試所有的文字方案，不僅耗時(shí)，還可能帶來(lái)不必要的干擾。

這一點(diǎn)讓我意識(shí)到，光靠大模型的總結(jié)是不夠的。在關(guān)鍵時(shí)刻，我們?nèi)匀恍枰约翰檎液万?yàn)證信息，而不能完全依賴它的歸納。

于是，我回歸到當(dāng)年的原始方式，開始手動(dòng)檢查大模型引用的來(lái)源，逐一打開相關(guān)網(wǎng)頁(yè)。最終，在第三個(gè)網(wǎng)頁(yè)上，我找到了真正需要的內(nèi)容。

3.大模型幫了忙，但不是它想的那樣

可見，在這個(gè)過(guò)程中，大模型的確提供了一些幫助，比如節(jié)省了搜索的時(shí)間，幫我縮小了范圍，但它并沒(méi)有做到完美助攻，真正的答案還是需要我自己去挖掘。

這讓我想到一個(gè)問(wèn)題：為什么大模型在這個(gè)過(guò)程中沒(méi)能徹底解決問(wèn)題？很大程度上，這是因?yàn)槎嗄B(tài)能力的局限性。

當(dāng)前的大模型在文本處理方面表現(xiàn)突出，但它們并不能很好地理解網(wǎng)頁(yè)中的圖片、截圖等信息，而很多技術(shù)問(wèn)題解決方案的匹配，恰恰隱藏在這些非結(jié)構(gòu)化的數(shù)據(jù)里。

如果它無(wú)法有效分析網(wǎng)頁(yè)中的關(guān)鍵圖像，或者沒(méi)有識(shí)別到某些截圖與我的問(wèn)題高度相似，那它的推理能力也就受到了限制。

4.搜索引擎的歸宿可能是基礎(chǔ)架構(gòu)

那么，在這樣的情況下，搜索引擎的角色是什么？

其實(shí)，它更像是一項(xiàng)基礎(chǔ)服務(wù)，是一個(gè)不可或缺的工具。

大模型可以幫助我們總結(jié)信息，但如果沒(méi)有搜索引擎提供的海量網(wǎng)頁(yè)數(shù)據(jù)支持，大模型本身也就無(wú)法有效運(yùn)作。

從這個(gè)角度來(lái)看，未來(lái)搜索引擎的最終歸宿，很可能是成為底層的基礎(chǔ)架構(gòu)，支撐著大模型的內(nèi)容獲取和信息整合能力。

這種趨勢(shì)讓我想到了移動(dòng)互聯(lián)網(wǎng)時(shí)代的演變。

在移動(dòng)互聯(lián)網(wǎng)爆發(fā)的階段，APP 廠商如日中天，各種應(yīng)用層出不窮，吸引了大量用戶的注意力。

與此同時(shí)，智能手機(jī)制造商掌握了硬件生態(tài)，控制著移動(dòng)端的核心入口。

而在這一切背后，移動(dòng)通信運(yùn)營(yíng)商——中國(guó)移動(dòng)、電信、聯(lián)通——?jiǎng)t默默支撐著整個(gè)行業(yè)，提供最基礎(chǔ)的通信服務(wù)。

用戶日?？赡懿粫?huì)直接感受到它們的存在，但沒(méi)有它們，整個(gè)移動(dòng)互聯(lián)網(wǎng)生態(tài)就無(wú)法運(yùn)作。

在大模型爆發(fā)時(shí)代，大模型應(yīng)用分頭正勁，大模型本身控制著技術(shù)的核心，而搜索引擎的未來(lái)，很可能就是走向這樣的“幕后基石”角色。

搜索引擎不再是用戶直接服務(wù)入口，而是成為大模型時(shí)代的信息基石，負(fù)責(zé)數(shù)據(jù)的抓取、索引和組織，讓大模型能夠更高效地獲取信息并進(jìn)行推理。

從這個(gè)角度你就可以理解 Google，李彥宏他們，看到大模型的出現(xiàn)為什么著急了。

5.StackOverFlow 們的未來(lái)令人擔(dān)憂

但如果是這樣的話，最慘的恐怕是像 StackOverflow 這樣的技術(shù)社區(qū)。

想象一下，如果越來(lái)越多的人習(xí)慣于向大模型提問(wèn)，而不是去論壇發(fā)帖或者搜索已有的問(wèn)答，那這些技術(shù)社區(qū)的活躍度會(huì)逐漸下降。

過(guò)去，開發(fā)者們會(huì)在上面提出問(wèn)題、分享經(jīng)驗(yàn)、互相解答，而如今，如果大模型能直接給出答案，還有多少人會(huì)愿意花時(shí)間參與這些社區(qū)互動(dòng)呢？

一旦這種互動(dòng)模式消失，長(zhǎng)遠(yuǎn)來(lái)看，知識(shí)的積累和沉淀就會(huì)受到影響。

現(xiàn)在的大模型依賴于過(guò)去幾十年積累的開源知識(shí)庫(kù)、技術(shù)論壇和博客內(nèi)容。如果這些社區(qū)逐漸衰落，新的知識(shí)又從何而來(lái)？難道我們真的要完全依賴大模型憑空“變”出答案嗎？

6.結(jié)語(yǔ)

這個(gè)問(wèn)題或許并沒(méi)有一個(gè)明確的答案，但它值得我們思考。技術(shù)的發(fā)展總是伴隨著新的機(jī)遇和挑戰(zhàn)，而如何在變革中保持知識(shí)的可持續(xù)性，可能才是更重要的問(wèn)題。