虫鱼的AI万花筒检索与研究
Perplexity、秘塔、You.com、Phind、Consensus——AI 搜索解决了什么老问题，又带来什么新问题？
AI 搜索与传统搜索的区别
传统搜索返回一串链接和摘要，用户自己点开看。AI 搜索让模型先在多个链接里抓取、阅读、再合成一段带引用来源的回答。好处是省掉打开十个网页的步骤，坏处是模型在合成时可能漏掉限定条件、改变原意，或者直接"编"出看似合理但实际不存在的来源（这种现象叫"幻觉引用"）。目前主流 AI 搜索都已经把"附引用"做成默认行为，但用户仍然需要点开核对，不能跳过。
它适合什么场景
AI 搜索特别适合"我想快速了解一个不熟悉领域"——查一个新名词、一家公司、一项政策的最新进展。它也适合"对比几个候选方案"，因为可以把多个来源并排展示。它不适合"找某个非常具体的链接"（传统搜索加站内查询更直接）、"找最新一条新闻"（模型抓取有延迟）、以及任何需要"权威单一来源"的场景，例如法律条文、药品说明书、学术引用。
它仍然会引用不存在的来源
所有 AI 搜索都有概率引用不存在的论文标题、错引数据、把年份写错。越是冷门、越是细节，越容易出错。务实做法是把 AI 搜索当作"问题草稿"，关键事实至少打开两个来源核对。如果你要写正式报告、引用文献、对外发布，永远不要直接复制 AI 提供的引用而不查证。一次"幻觉引用"就足以让整份报告失去公信力。
学术检索的特别之处
Consensus、Elicit、Scite 这类垂直学术搜索，把范围限制在同行评审论文，并展示引用上下文（"被多少论文引用""被支持还是被反驳"），相比通用 AI 搜索可靠度更高，但覆盖率有限，通常只覆盖部分开放获取期刊和预印本平台。对于写论文、做文献综述，它们是值得付费的工具；普通好奇查询，通用 AI 搜索已足够。两者配合使用效率最高。