Agent 的上限看模型，底线看什么？

Agent 的可靠性底线在 Web Search

AI 应用技术栈金字塔中，最吃劲的一块是中间那个蓝色小方块 Web Search。对于时效性信息，AI 给出的每个答案、每份研报、每条投资逻辑，都得打它这儿过一遍。它无处不在，你一直在用；但它远比大家想象的脆弱。

脆弱在哪？看左边那列原料：新闻站、公司公告、年报，还混着博客、论坛和来路不明的截图、营销号。真真假假、新旧不一，全都灌入这一块。

要说找得到、读得全，现在确实有人做得挺漂亮。可有个问题始终没人答：搜回来的这一堆，到底哪条能信？通用搜索眼里，网页不分高低：一份公司公告和一篇公众号，分量差不多。更麻烦的是，这堆原料还在加速变质：如今互联网上充斥着 AI 生成的垃圾信息和洗稿文，通用搜索稍不留神就会把 Agent 带进沟里。

搜索对象已从人变为 Agent

过去搜索服务的是人：敲几个词，挨个挨个搜索结果，自己判断真伪。AI 搜索往前走一步，直接给人一个综合答案。可 Agent 接到的压根不是单个问题：「研究一家公司」「核查一篇文章」这种活，它得自己拆问题、把问题改写成若干个关键词去查，再一轮轮搜索、筛选信息源、再整合。

最近注意到豆包搜索，就是因为火山引擎把它定位成「为 Agent 构建的信息获取引擎」。用人话说：它不仅是个搜索引擎，还是个信息质检员。它搜回来的每条结果，都标好了发布时间和确定信息源，甚至还把信源分了等级：权威公告是一档，主流媒体是一档，XX 自媒体又是一档。

信源分级是事实核查的核心

信源四级分层如下：

• 一级信源 · 结论锚点：公司公告、监管披露、政府统计、权威学术期刊、国际组织数据和顶级机构正式报告。
• 二级信源 · 专业补充：行业协会、知名咨询机构、主流媒体与专业出版物。核心数字仍要追到原始材料。
• 三级信源 · 线索池：公众号、博客、论坛和社交媒体。适合发现争议，不能单独支撑结论。
• 四级信源 · 禁止进入底稿：匿名爆料、无法追溯的「内部消息」、强广告内容和无证据判断。

三轮实测验证信源分级价值

为了看清不同搜索源对 Agent 的影响，在同一条指令、同一家公司的前提下，设计了三组对比实验：

• 第一遍 · 不挂任何搜索：让模型纯凭自身记忆盲答。
• 第二遍 · 挂载 Tavily：一款通用的 Agent 聚合搜索。
• 第三遍 · 挂载豆包搜索：走火山引擎的搜索生态。

以「寒武纪」为例，图里最能说明问题的是「字节占营收比」这条：

• 不挂搜索：模型直接两眼一抹黑，给不出数据。
• 挂 Tavily：极其自信地给出了错误答案：「字节是第一大客户、2024 年占近 80%」。它塞给 Agent 的全是自媒体的猜测文和转载稿，完全忽略了公司官方年报里压根没具名客户的事实。
• 挂豆包搜索：结果完全不同。因为有「官方年报」作为一级信息源，AI 核对出官方未具名客户，第一大客户其实约占 26%。

热点压力测试：世界杯决赛夜

以 7 月 19 日世界杯决赛（西班牙对阵阿根廷）为热点事件进行压力测试：

• 挂 Tavily：答核心事实确实快——1 比 0 加时、托雷斯进球、大都会（MetLife）球场。可一到争议话题就露馅：前脚刚说金球奖是罗德里，后脚就把「赛事最佳」安给了梅西，左右互搏；甚至还把「FIFA 拒绝重赛请愿」写成了板上钉钉的定论，但其实官方压根还没理这茬。
• 挂豆包搜索：比分、进球分钟、恩佐的红牌、80663 名观众、裁判名单……每条数据都挂着具体时点和一手出处。它像个判官一样把坊间传闻逐条过了堂：「决赛延期」被证伪、「梅西拿金靴」不实（实际是姆巴佩）、「裁判受贿」尚无确凿证据，而「6 万多球迷请愿重赛」确有其事。最打动我的是一个细节：在扒不到银球、铜球奖的一手信源时，Agent 老老实实地在底稿里标了一句「无法核实，建议不写」。

给 Agent 喂对数据才是关键

虽然 Tavily 找得其实也又快又全，连巨潮资讯网的年报原文都能扒出来。但是对于现在的 AI 搜索来说，它的使命就是给 Agent 这个精炼机提供高纯度的矿石。如今各家的差距早已不在于「能不能搜到」，而在于把海量信息捞回来之后，搜索能不能提前给信源排好座次，直接告诉你到底该信谁。

在 AI 开口说话之前，逼着它先把事实找对，把出处留下，把不知道的盲区老实交代。让搜索提供高纯度的矿石，把盲目信任变成有据可查，这才是 AI 搜索该有的样子。

JOTO 企业落地观察

• 对企业部署意味着：Web Search 不再是“能搜到就行”的管道，而是必须嵌入信源可信度评估的决策前置环节；选型时需将信源分级能力列为硬性指标，而非仅关注召回率或响应速度。
• 这类系统的取舍在于：是否接受为信源质量管控付出额外延迟与成本。豆包搜索的分级机制本质是牺牲部分泛化检索广度，换取关键事实链的可追溯性，这对金融、法律等强合规场景尤为关键。
• 对 RAG 知识工程而言，信源分级能力可直接复用于知识片段置信度标注，使 RAG 输出天然携带来源权重，避免传统 RAG 中“所有 chunk 等权参与”导致的噪声放大问题。
• AI 安全治理需将搜索服务纳入供应链风险清单——当 Agent 的推理依据来自外部搜索，其输出可靠性便与该搜索服务的信源治理策略强耦合，不可视为黑盒调用。