本文是《让搜索引擎更好用的秘密》系列的第二篇。如果你还没有看过前文,建议点击 这里 先行阅读第一部分的内容,以完成必要的知识储备。
先翻译后搜索
大名鼎鼎的浏览器双语阅读插件「沉浸式翻译」有一个很有趣的功能,叫做「输入框增强」。其目的是在输入时可以方便地将输入框的内容进行翻译操作。而官方为这个功能所配的示例用途,首先就是 Google 的搜索框。
那我们为什么要在搜索之前就进行翻译呢?
答案显而易见。正如第一部分所说,中文互联网资源固然广泛,但相较于英文世界而言,在很多专业领域仍存在一定的差距。如果我们能在搜索之前就将关键词翻译成英文,那么就能获取到更加丰富、专业的英文资源。
比如,对于程序员来说,同样的技术问题,使用中文搜索,得到的大都是来自 CSDN 和博客园的陈年老文章,而使用英语搜索,就很容易在 Stack Overflow上找到更多程序员的最新讨论。
当然,前提是我们首先要具备一定的英语阅读能力。
初次接触全英的资料可能会稍显晦涩,你可以借助一个大名鼎鼎的浏览器插件「沉浸式翻译」辅助阅读。
但要相信,在逐渐强迫自己阅读全英文档的过程中,你一定会慢慢感受到自己的提高。
只要克服对全英文档的恐惧并坚持阅读和积累,有朝一日,你一定能够自信地不借助翻译插件浏览最新的前沿项目。
借助 LLM 的力量
近年来,人工智能领域发展迅速,大语言模型(LLM)的出现为智能搜索铺平了道路。与传统的基于关键词匹配的搜索引擎不同,LLM 可以理解用户的意图,并基于海量的知识库给出更精准、更全面的答案。
在国外,代表性的 LLM 搜索工具当属 Perplexity。它不仅能通过对话理解用户的搜索需求,还能根据网页内容生成简洁易懂的总结,大大提高了搜索效率。用户不再需要打开一个个网页去寻找答案,而是能直接获得问题的解答。
国内在这一领域也有了一些探索,比如秘塔 AI 搜索和天工 AI 搜索等。相信常年在互联网上「冲浪」的读者一定在各大视频博主那里或多或少看到这两款工具的广告。
就我个人使用体验而言,秘塔 AI 搜索目前还处于测试阶段,暂时没有添加收费功能,并且有比较优秀的 Web 端体验,也有向 Perplexity 看齐的学术搜索和研究型搜索能力,是使用体验更佳的存在。
而对于不想抛弃传统法搜素引擎的读者,LLM 总结也是一个非常有用的搜索新趋势。
比如我正在使用的浏览器插件Glarity,就支持在众多国内外搜索引擎的搜索结果页调用 LLM 进行内容总结,还可以直接使用搜索结果提问,或是像 Perplexity 一样进行「深度搜索」,体验还是非常不错的。
可以预见,随着技术的进一步发展,LLM搜索工具将成为互联网搜索的重要趋势之一。它将我们从关键词堆砌中解放出来,让获取知识变得更加自然、高效。
搜索,不止于搜索引擎
上文(第一章节)中我们提到了一嘴垂类网站的站内搜索,事实上,有非常多垂类的内容,根本无法通过 Web 端或是搜索引擎进行有效搜索。
在国内特殊的互联网环境下,许多高质量内容并不对通常意义上的搜索引擎开放。比如,微信公众号上的文章就只允许腾讯自家的搜狗搜索索引,哪怕是百度都不能索引微信的内容。
像是小红书这样以「笔记」为核心的平台,和一众以 App 为载体的购物软件(比如得物和闲鱼),甚至不会制作可用的 Web 版本,就更别提搜索引擎的索引了。
这就意味着,在某些特定领域,我们可能无法单纯依靠传统搜索引擎获取信息。这时,各个平台的站内搜索就显得尤为重要。以小红书为例,如果你想了解某个美妆或时尚品牌的口碑,又或者是到某个景点的攻略,直接在小红书 App 内搜索可能比在百度上搜更有效。
类似地,如果你想了解数码产品的横向对比,去哔哩哔哩看视频博主的横评会比百度搜索要快得多;如果你想了解明星的最新动向,微博的搜索功能可能更加给力。
每个平台都有自己的内容特色和用户群体,学会利用不同平台的站内搜索功能,能让我们的信息获取更加全面、精准。
当然,使用站内搜索也有一定的局限性,比如无法对不同来源的信息进行汇总比对。而且,过度依赖某个平台,也可能会让我们的视野变得狭窄。比如微博和头条、百家号等平台的低质营销号内容泛滥,特别是对编译转载内容的真实性不做考究,常常会发布断章取义或是夸大其词的「黄色新闻」。
因此,择优使用搜索引擎和站内搜索,并养成多方求证的习惯,才是获取可靠信息的关键。
test
我也經歷過強迫自己閱讀英文。現在我基本上只使用英文版軟體,同時能閱讀英文網站。
《為甚麼我喜歡用英文版系統及軟體》:https://ejsoon.win/why-en/
以前還看過英文版的原著,那個生字真的非常多,即使查了所有單字的意義,也不一定能正確理解。