你多久没用搜索引擎了？在 AI 大模型时代，搜索引擎还有用吗？

你有多久没用过搜索引擎了？或者换个问法，你的搜索习惯有没有发生变化？在大模型时代，传统搜索引擎是否仍然不可或缺？

01

一个服务器报错引起的问题

最近，我遇到了一个服务器报错问题。如果是几年前，我的第一反应肯定是复制报错信息，粘贴到搜索引擎中，看看排名靠前的页面里有没有能解决问题的帖子。

通常情况下，像 StackOverflow 这样的技术社区会排在搜索结果的前列，因为它积累了大量的技术问答资源，很多开发者遇到问题都会去那里找答案。

而对于一些较为冷门的问题，答案可能隐藏在某个小众论坛或者个人博客里，这时候就需要我们具备一定的耐心和判断能力，从搜索结果中筛选出最有价值的内容。

02

把问题交给大模型

但这一次，我决定尝试用大模型来解决问题。我直接把报错信息交给 Perplexity，并让它结合 DeepSeek R1 进行推理，同时联网搜索可能的解决方案。

从表面上看，这样的方式似乎比传统搜索更高效。因为大模型不仅能从多个来源抓取信息，还能自动总结、归纳，理论上可以帮我省去筛选冗余信息的步骤。

然而，实际情况并没有那么理想。大模型确实提供了不少建议，它总结了所有能找到的网页内容，整体上看似乎很专业，也省去了人工筛选的步骤。

但真正能解决我问题的内容，可能只藏在其中的一篇帖子里。如果逐一尝试所有的文字方案，不仅耗时，还可能带来不必要的干扰。

这一点让我意识到，光靠大模型的总结是不够的。在关键时刻，我们仍然需要自己查找和验证信息，而不能完全依赖它的归纳。

于是，我回归到当年的原始方式，开始手动检查大模型引用的来源，逐一打开相关网页。最终，在第三个网页上，我找到了真正需要的内容。

03

大模型帮了忙，但不是它想的那样

可见，在这个过程中，大模型的确提供了一些帮助，比如节省了搜索的时间，帮我缩小了范围，但它并没有做到完美助攻，真正的答案还是需要我自己去挖掘。

这让我想到一个问题：为什么大模型在这个过程中没能彻底解决问题？很大程度上，这是因为多模态能力的局限性。

当前的大模型在文本处理方面表现突出，但它们并不能很好地理解网页中的图片、截图等信息，而很多技术问题解决方案的匹配，恰恰隐藏在这些非结构化的数据里。

如果它无法有效分析网页中的关键图像，或者没有识别到某些截图与我的问题高度相似，那它的推理能力也就受到了限制。

04