AI和搜索引擎的区别：该往哪个框里打字，一条简单规则

只有一个差别，其余都从它长出来

搜索引擎找的是已经存在的网页。在你出现之前就有人写好了它们，而Google要做的是把最可能包含你那些词的页面指给你。聊天机器人干的完全是另一件事。它针对你这个具体的问题，一块一块地写出一个全新的答案。五秒钟之前，这个答案在任何地方都不存在，你关掉标签页之后，它在任何地方也不会存在。

人们争论的其他一切差别，都是从这一个差别里出来的。搜索给你看出处，因为出处是它唯一有的东西。AI不给你看，因为它不是在引用网页，它是在生成由训练中吸收的规律塑造出来的新文字。搜索是新鲜的，因为活着的网络是新鲜的。AI常常滞后，因为它的训练数据在几个月前的某个日期就停住了。搜索让你读五个页面，自己判断该信哪一个。AI替你把这活儿干了，偶尔还干错了，语气自信，段落工整。

在往下读之前，先做一个测试。挑一个你这周真的打进过搜索框的问题，一字不改地贴进聊天机器人，包括那些笨拙的关键词。然后看看两边的答案，问自己：哪一个你还得多花力气才能真正用上。这两分钟的对比，教给你的比这个页面剩下的部分还多。如果你根本没打开过聊天机器人，AI到底是什么是该先读的那个简短版本。

搜索至今仍然赢的地方，不打折扣地说

有一类问题，聊天机器人根本就是错的工具，再机灵的提示词也救不回来。这些一律用搜索，每次都是，不用想。

• 正在发生的一切。 比分、选举、服务中断、火车还开不开、朋友提到的那家公司是不是真干了那件事。模型训练到某个截止日期就被冻住了。
• 价格、库存和有没有货。 聊天机器人会很乐意告诉你一张机票或一台笔记本多少钱。那个数字是对某个旧价格的印象，不是今天的报价。
• 官方表格和政府页面。 报税期限、签证要求、补贴资格、预约办理。你要的是真实政府域名上的真实页面，因为那个页面上的措辞本身就是规定。
• 营业时间、地址、电话。 这些小事实会悄悄改变，而且没人会为它们发一条更正。
• 医疗和法律的具体细节。 让AI做个大致解释没问题。剂量、药物相互作用、法条、申报期限，凡是你要拿来对自己的身体或自己的案子采取行动的，都该来自一个有名字、有日期的出处。
• 任何你要拿给别人看的东西。 如果同事、医生或房东会问你这是哪来的，你需要的是一个链接，不是一段转述。

串起这份清单的是可核查性，而不是准确性。聊天机器人在大多数事情上、大多数时候都是对的。麻烦在于它错的时候和对的时候看起来一模一样：同样的口吻、同样的流畅、同样一副查证过的样子。搜索递给你一个域名、一个发布日期，和一个你可以用自己眼睛读的页面，正是这三样东西让你能判断，而不是只能指望。AI为什么会出错讲清了那些自信错误背后的机制，在你把要紧的事交给聊天机器人之前，值得花十分钟读一读。

AI赢在哪里，以及为什么关键词是那个信号

搜索有一个人们很少注意到的前提：你得大致已经知道答案长什么样，因为你必须猜出那个包含答案的页面上会出现哪些词。这对“马德里 天气”管用，碰上“我该怎么跟房东说锅炉的事又不显得咄咄逼人”就散架了。当你的问题拒绝被压缩成关键词的那一刻，你就找到了两个工具之间的边界。

• 把你自己的处境嵌进去的问题。 两份通勤距离不同的工作邀约。一条报错信息，外加你已经试过的四件事。一段你写出来但总觉得不对、又说不上哪里不对的文字。
• 按我的水平讲一遍。 先要一个讲给从没接触过这个话题的人听的版本，再要上一个层次的，再问自己还有哪里没懂。一个网页没法为你调整自己。聊天机器人可以来四遍还不嫌烦。
• 把你手上的东西变成你要的东西。 四十页PDF变成六条要点。潦草的笔记变成一封得体的邮件。九十条问卷留言变成三个主题。这些都不是搜索任务，因为原材料是你的，网上任何地方都没有。
• 结合你的具体条件比较选项。 不是“最好的洗碗机”，而是“这三台里哪一台适合一间水管很旧的小公寓，而且主人会在晚上十一点开机”。
• 九个标签页的问题。 当诚实的搜索答案是“打开九个页面，全读一遍，自己捋出结论”时，聊天机器人干的正是你本来要手动干的那件事。

最后这一条才是真正改变人们习惯的东西，也是这笔交换咬得最狠的地方，因为摘要来了，背后那九个页面却没跟来。有一个习惯比任何提示词技巧都有用：问聊天机器人，它这个答案里哪些部分它有把握、哪些部分你该自己去核。它分得不会完美，但仍然远胜于一个完全没有把握标记的答案。AI擅长的日常任务列了更长的清单，还带着可以照抄的提示词。

一份普通一周的决策表

下面是同样这条分界线，套在人们真的会做的事情上。请读原因那一列，别只看结论，因为能迁移到你手头那件没列在表里的事上的，正是原因。

任务	用什么	为什么
查某家店今晚还开不开	搜索	营业时间悄悄就改了，没人告诉过模型
弄懂保险信函里的一个术语	AI	你要的是针对你这份保单的解释，不是通用定义
找到改地址用的官方表格	搜索	你要的是真的政府页面，不是对它的描述
起草随表格一起发的说明邮件	AI	这是跨越空白页的活儿，里面没有事实要核
比较你在纠结的两台手机	两个都用	用AI理清取舍，用搜索查当前价格和货源
查任何东西的价格	搜索	聊天机器人给的任何数字都是印象，不是报价
总结别人发给你的长PDF	AI	只有你手上有的文档，网上没有对应页面
查一种药物的相互作用	搜索	要在有名字、有日期的出处上读到它
按冰箱里现有的东西安排一周的饭	AI	这是你的限制条件，不是别人发布的菜谱
想知道今天新闻里发生了什么	搜索	关于今天的一切都不在任何训练数据里
把一段生硬的文字改得柔和些	AI	世上没有任何一个页面装着你那段话

这张表里藏着两条规律。如果答案是一个存在于外部世界、而且可能改变的事实，用搜索。如果答案必须围绕只有你手上才有的东西来搭建，用AI。几乎每一个真让人拿不准的情形，最后都是“两个都用”，而两个都用几乎总是意味着：先用AI搭出答案的形状，再用搜索去核你将要据此行动的那几处。如果问题反过来，是聊天机器人老抓不住你的意思，那属于措辞问题，怎么跟AI说话能解决其中大部分。

一个月之后你会落到的那套工作方式

两个都用的人，没有谁还在查规则。实际发生的是，这两个工具在同一件事里各自坐到了不同的位置上。AI在前面，那时你还在弄清自己面对的是什么、有哪些选项。搜索在后面，对准的是你马上要据此行动的那些具体说法：你要付的价格、你可能错过的期限、你会吃下去的剂量、你要开车去的地址。理解和起草在一边，核实在另一边。

中间还有一个值得知道的选项。AI搜索工具，最有名的是Perplexity，还有如今叠在Google结果上方的AI回答，走的是相反的顺序：先搜活的网络，再写出一个带着所找到页面链接的答案。这修好了时效问题，也给了你可以点开的东西。但代价是真实存在的。答案的好坏只取决于碰巧被抓回来的那几个页面，句子旁边挂着一条引用并不保证这句话和出处对得上，而对三个平庸页面的自信总结，读起来和对三个出色页面的自信总结一模一样。去点那些链接。Perplexity与ChatGPT对比讲清了两者各自的位置。

给你下一周的一个安排：搜索引擎原样留着，在第二个标签页里打开一个聊天机器人，是并排，不是替代。把那些你本来会放弃的问题发给它，那些太具体或太缠绕、没法打成关键词的问题。如果你想在那个标签页里用不止一个模型，Whizi用一份订阅装下GPT、Claude、Gemini和图像模型，而不是每家服务商开一个账号，而把同一个缠绕的问题跑过其中两个，是最快找出“两边都没把握的部分”的办法。然后在这一切底下保持一个小习惯。在你按聊天机器人说的去做之前，先问问自己：要是有人问起这是哪来的，你说得出口吗。如果答案是说不出口，那个问题从一开始就该是一次搜索。