前Twitter CEO另辟蹊径：用人类点击数据为AI智能体重构搜索

从人类搜索到智能体搜索的转向

过去二十余年，网络搜索的基本逻辑始终围绕人类用户展开：爬虫抓取网页、建立倒排索引、根据链接权重与用户点击行为对结果排序。点击率、停留时长、跳出率等指标被广泛用于判断页面质量，进而影响后续排名。这套体系在人类浏览网页的时代运行良好，但当搜索请求的发起者从人变成AI智能体，问题开始显现。

前Twitter CEO创办的搜索项目提出了一个颇具反直觉的观点：人类点击数据在AI智能体场景下更像是一种“bug”，而非可依赖的信号。原因在于，人类点击行为受界面布局、标题诱导、情绪偏好等因素影响，未必反映信息本身与查询的真实相关性。当AI智能体以完成任务为目标发起检索时，这些带有噪声的人类行为信号反而可能误导结果排序。

为智能体重造搜索基础设施

该项目的核心思路，是构建一套面向AI智能体的网络搜索基础设施。与面向人类的搜索引擎不同，智能体搜索更关注信息的结构化程度、可验证性与调用效率。智能体通常需要快速获取事实性内容、API能力、数据接口或可直接执行的操作路径，而非浏览充满广告与导航元素的网页。

• 索引对象从“页面”转向“可被智能体理解与调用的信息单元”；
• 排序信号弱化人类点击行为，强化内容与查询的语义匹配及来源可信度；
• 输出形式更倾向于结构化数据与可执行结果，而非链接列表。

这一方向与当前AI智能体生态的演进密切相关。随着大模型能力提升，越来越多的任务由智能体自动完成，包括信息检索、比价、预订、代码调用等。传统搜索引擎的网页结果对智能体而言往往需要二次解析，效率不高，且容易受到SEO操纵的影响。

行业影响与待解问题

从行业角度看，面向智能体的搜索基础设施可能改变现有搜索市场的竞争格局。谷歌、微软、AWS等厂商已在探索将搜索能力与AI助手深度结合，阿里云、腾讯云等国内云厂商也在智能体平台层面布局工具调用与知识检索。若智能体成为网络信息消费的重要入口，搜索的底层逻辑与商业模式都可能随之调整。

不过，这一方向仍面临若干待解问题。智能体搜索如何界定内容来源的授权与合规边界，如何防止新的排序机制被恶意利用，以及如何与现有网页生态共存，都是需要持续探索的课题。前Twitter CEO的创业尝试，至少提供了一种不同于传统搜索演进的思路：当搜索的用户不再是人类，基础设施本身也需要重新设计。