股市如何配资炒股谷歌搜索过时了？AnySearch想建AI时代搜索的底层世界

5月11日股市如何配资炒股，一个名为AnySearch的项目正式上线。

它不像传统搜索引擎，帮人找官网、博客、教程、科普文章一样的网页，而是专门给AI Agent喂数据。

一个API Key，接通22个专业数据源，从金融行情到法律判例，从学术论文到网络安全情报，全打包。

Benchmark测试里，准确率，响应速度，两个维度都甩开Parallel和Brave。而且匿名使用、无追踪、零遥测，你的查询只属于你。

AnySearch的核心定位、就是要做AI时代的搜索基础设施，从帮人找信息，到帮AI Agent理解世界。

统一入口，通吃数据源

做Agent开发的人都知道，搜索模块的集成成本有多高。

想让一个Agent同时查企业股权、拉A股分钟级行情、搜法院裁决书、找GitHub代码实现、提交文件到VirusTotal做安全检测，你得分别注册企查查、Finnhub、PubMed、VirusTotal的账号，啃几十套不同的API文档，管几十个API Key的限流和余额，还得自己写路由逻辑判断什么查询发给哪个数据源。

这套活儿干下来，搜索模块的开发成本可能比Agent本身还高。

AnySearch把这一切打包了。一个API Key，访问AI所需的优质数据源。开发者不用当API集成工程师，接进去，剩下的交给它。

通用搜索、代码、科技、服饰、旅行、家居、购物、游戏、影视、音乐、金融、学术、法律、商业、知识产权、网络安全、教育、健康、宗教、地理、环境、能源等垂直领域全覆盖。几乎覆盖了Agent的全场景需求。

行业分析机构估算，超过90%的企业数据属于暗数据（Dark Data），被收集和存储，却从未被有效利用。

另外，互联网上占比很高的重要信息，是Google和Exa完全触及不到的。AnySearch已经替你将它们接入。

这跟索引能力无关，架构上就不可能覆盖，因为这些数据锁在付费数据库、实时金融终端、安全代码仓库、学术研究平台和专有企业系统里。

接入方式也很灵活。三种路径覆盖不同类型的用户：REST API，通用，适配任何编程语言和Agent框架；MCP（Model Context Protocol，模型上下文协议）Server，Claude Desktop、Cursor、Windsurf、OpenCode配一行JSON即可接入；Skill，直接作为Agent技能调用。

从硬核开发者到轻度极客，全照顾到了。

智能路由，精准投喂

AnySearch技术内核里有一个关键模块：智能意图路由（Intent Classifier）。

一条查询进来，内置的Intent Classifier自动识别查询意图，通过多维路由匹配，精准路由到最相关的2到3个数据源。系统不会对所有数据源做全量扇出，只查最该查的源，速度更快，Token消耗更低。

多个数据源同时返回结果时，AnySearch用RRF（Reciprocal Rank Fusion，倒数排名融合）算法做结果融合。同一条信息被多个源交叉验证时排名自动提升，URL规范化去重避免重复。

融合后再经过多维度质量重排序，Agent可以直接用分数做决策，不用再花Token做二次筛选。

输出格式上，AnySearch返回清洗后的结构化Markdown，通常每条结果500到2000个Token。

同样的查询，Agent用Exa搜10条结果，平均消耗约15000个Token；用AnySearch搜5条高质量结果，平均消耗约5000个Token。Token消耗降低60%到70%。

在Frames、FreshQA、WebwalkerQA三个数据集共300道题的评测中，AnySearch整体准确率76.4%，三项数据集中FreshQA拿到80.0%，WebwalkerQA上65.2%，比Brave高出18.4个百分点，比Parallel高出4.2个百分点。

延迟方面，AnySearch平均47.8秒完成一个QA任务，比Parallel的74.4秒快36%，比Brave的68.9秒快31%。在WebwalkerQA上，AnySearch用76.5秒，Parallel膨胀到145.6秒，Brave到133.0秒，差距接近一倍。

AnySearch与Brave在6个真实场景中对比，综合评分8.9比7.5。

安全工程师告警分析，AnySearch交叉验证多个专业情报源并给出可执行响应方案，得分9.5比8.2；开发者项目代码搜索，AnySearch返回生产级完整代码含核心算法和工程细节，9.5比7.8；商务出行实时决策，AnySearch一次查询返回航班状态、汇率和多种交通方案，8.0比5.5，Brave连航班查询都没通过，还包含事实错误。

架构级隐私，查询不留痕

Agent通过搜索接口查询的内容，可能涉及商业机密、安全敏感信息、法律风险数据。这些查询被记录、被分析、被用于训练模型，后果很严重。

AnySearch的做法是：从架构层面把隐私保护作为第一优先级。

用户的搜索查询不会被记录，不会被用于训练模型，不会被分享给第三方。系统不收集任何遥测数据，不追踪用户行为，不做用户画像。所有API请求通过加密通道传输，查询内容在处理完成后即时丢弃，不做持久化存储。

具体到技术实现，AnySearch采用零留存执行（Zero Retention Execution），处理路径上无恢复性数据；零知识凭证（Zero-Knowledge Credentials），凭证经不可逆变换且无法恢复；私有能力隔离（Private Capability Isolation），企业专属能力不进入公共范围；分层认证（Layered Authentication），无缝支持匿名和授权两种访问方式。

匿名使用、无追踪、零遥测，你的查询只属于你。

这在当前AI搜索赛道中很稀缺。大多数AI搜索工具，多多少少都在用用户查询数据优化自身模型，这几乎是公开的秘密。AnySearch选择不碰这条线，对处理敏感信息的开发者和企业用户来说，这一点尤为关键。

AI搜索的第四次范式转移

回望搜索引擎的历史，每一次范式转移，都伴随着谁在搜的改变。

1998年Google诞生，搜索帮人找网页。

2010年代移动互联网兴起，搜索帮人找服务。

2023年ChatGPT引爆LLM浪潮，Perplexity们把搜索变成帮人找答案。

2026年，搜索正在经历第四次范式转移：从帮人找信息，到帮AI理解世界。

Agent时代，搜索的消费者变了，变成了机器。机器不需要链接，不需要HTML，不需要花里胡哨的搜索结果页，需要的是结构化的、经过验证的、可以直接用于推理和决策的数据。

未来的AI不只要会思考，更需要真正看见世界、理解世界。互联网时代的搜索引擎帮助人类寻找网页；AI时代，Agent需要的不是一串链接，而是可信、结构化、可执行的信息结果。

Agent开始执行复杂任务时，真正的瓶颈往往不再是推理能力，而是信息获取能力。缺少可靠的信息获取层，再强大的AI模型，也难以真正理解现实世界。

Forrester和Gartner的研究报告指出，大部分AI项目失败或表现不佳，原因在于缺乏AI就绪（AI-ready）的数据。AI要提供真正的竞争优势，必须基于组织独特的、富含上下文的专有数据来训练和交互，面向公共网页的工具根本干不了这个活。