腾讯开放元宝搜索 API，为开发者提供可信检索能力
腾讯将内部日调用数亿次的元宝搜索能力开放给开发者，用来补上 RAG 中成本最高的检索层。
AI 搜索的答案质量取决于检索环节：外部信息能否及时、准确地送到模型面前。第三方测试显示，顶级模型在时效性和一致性上仍会出错。腾讯把内部运行一年多的「元宝搜索」通过腾讯云 API 对外开放，支持 Skill、MCP 和直接调 API 三种接入方式，主打免维护、信源可信。
正文摘录
.jpg) 编辑｜张倩 AI 搜索靠不靠谱这件事，是时候单独拿出来说一下了。 原因无他，用的人实在太多了。大家现在遇到问题，第一反应早就不是打开浏览器翻搜索结果了：写代码的让 AI 查文档，做方案的让 AI 找数据，连「这家餐厅值不值得去」「这两味药能不能一起吃」这种小事，也顺手就问了。 而且这股风早就越过了「个人习惯」的范畴：客服机器人、车载语音、各种 App 里的智能助手、各家 Agent 应用，背后挂的都是 AI 搜索。 但越是这样，AI 搜索答案不靠谱的代价就越大，而一些新的研究结果也让人很不安。英国有家事实核查机构叫 Full Fact，最近干了件挺较真的事：从 7 月中旬开始，他们每天拿同样的 22 个问题去问五家顶级模型，一连问了十周，就想看看这些 AI 的准确性、稳定性和时效性到底怎么样。 结果不太好看：有模型在英国首相换人两个月后，还一口咬定旧首相在任；同一个问题今天问和明天问，答案居然对不上号。另外，答案不完整、缺乏背景、来源不可靠等问题在这项测试中也暴露无遗。 对于开发者来说，这样的结果值得担忧，因为出问题的并不是什么杂牌模型，而是地球上最聪明的几家模型。它们集体在同一个地方栽跟头，那问题恐怕不全在「脑子」，还在于 外部信息能不能及时、准确地送到模型面前 。 业内早就有一套解决思路，叫 RAG（检索增强生成），让模型先检索、再回答。但 RAG 的效果，很大程度上取决于检索质量。如果搜回来的是过时信息、低质内容，再聪明的模型也可能被带偏。 更头疼的是工程化成本。