- 综合排序
- 最热优先
- 最新优先
- 来自专栏mathor
搜索（8）
我们按照从上到下，从左到右的顺序将3x3的矩阵拉伸为1x9，则每一个状态都可以通过一个包含数字0~8的字符串表示。 因此搜索过程中，我们需要记录下每一个状态是否被搜索到过，避免重复搜索 我们先来分析一下状态空间，也就是一共有多少种不同的状态。显然每一个状态都对应了0~8的一个排列，所以一共有9! 2 3 4 5 6 7 8 距离：0 + 1 + 3 + 3 + 1 + 0 + 0 + 2 = 10 得到该状态的h值为10 在A星搜索中，每一次我们从候选队列中选取状态也不再按照先进先出的顺序 若openlist为空，结束搜索。 这里9个格子的位置依次是：0 1 2 3 4 5 6 7 8 f用来保存每个状态的f值。g_step保存的是状态的g值，也就是从初始状态到这个状态的步数。
86940发布于 2018-07-05 - 来自专栏Android开发指南
8.搜索
搜索 1.在res/xml/下创建searchable.xml文件 label hint * 注意：值不能直接写字符串，必须指向一个资源ID，例如@string/search_sms 2.创建SearchActivity intent-filter> <action name /> </intent-filter> <meta-data name resource /> </activity> 3.为了能让整个应用都可以调出搜索框 android.app.default_searchable" android:value=".SearchableActivity" /> 4.通过onSearchRequested()方法调出搜索框 5.在SearchableActivity中获取Intent,获取SearchManager.QUERY参数的值 进行搜索，搜索完之后获得Cursor,绑定数据 6.如果想要类似AutoCompleteTextView savedInstanceState) { super.onCreate(savedInstanceState); listView = getListView(); // 通过intent 获得，在搜索框中输入的内容
79950发布于 2018-05-14 - 来自专栏程序那些事儿
秘塔AI搜索，AI时代的搜索引擎
然而，随着用户需求的不断升级，对于搜索体验的期望也水涨船高。上海秘塔科技洞察到这一市场趋势，推出了秘塔 AI 搜索，这不仅是对产品的一次革新，更是中国 AI 搜索领域迈向新高峰的一个标志性事件。 一、秘塔 AI 搜索的技术基础 秘塔 AI 搜索的核心是上海秘塔网络科技有限公司倾力打造的大语言模型 MetaLLM。 四、对未来的展望 毫无疑问，秘塔 AI 搜索的推出标志着中国 AI 搜索市场即将迎来一个崭新的时代。它的到来不仅仅是对现有搜索体验的一次颠覆，更有可能推动整个行业进入新纪元。 结语 总结来说，秘塔 AI 搜索作为一款创新的 AI 搜索引擎，以其出色的技术能力和用户友好的设计理念，迅速在国内外市场上占据一席之地。 随着 AI 技术的持续进步和应用场景的日益扩大，秘塔 AI 搜索的未来充满无限可能，它将不断为用户提供更为深入、高效、便捷的搜索体验，开启信息检索的新时代。
2.7K20编辑于 2024-04-26 - 来自专栏bit哲学院
AI（四）：对抗搜索
参考链接： 人工智能对抗搜索 https://blog.csdn.net/NGUever15/article/details/89160951 对抗搜索 文章目录 对抗搜索1 博弈multi-agent 4.2 截断搜索4.3 向前剪枝 1 博弈 假设： 有两个选手完全可观察，确定性的环境zero-sum（零和游戏）时间受限 multi-agent 环境 合作 vs 对抗 对抗的情况下，产生博弈搜索问题 形式化搜索问题 初始状态： Actions 转移模型 目标测试 路径代价 其中，节点是状态，边是移动。 3.1 行棋排序 时间有限，实行深度受限搜索。 采用迭代加深搜索。 4 不完美的实时决策 ？？？如何设计评估函数。 ？？？ 如何截断。 4.2 截断搜索 ？？？如何截断，以满足时间限制 评估函数是不准确的，截断可能导致错误。 典型的错误： 评估值的摇摆。
75440发布于 2021-01-29 - 来自专栏算法一只狗
AI 搜索 vs 传统搜索：替代还是共存？
尽管聊天机器人流量增速惊人，但其总量仍仅为搜索引擎的1/34，可见在宏观层面上，AI搜索尚未完全取代传统搜索。 1.AI 搜索与传统搜索的对比 交互方式传统搜索需要用户自行过滤和阅读海量结果，围绕关键词跳转网页；AI助手支持对话式交互，可直接生成整合性的答案与建议，更适合需要理解、总结或规划型任务。 比如，点击了百度的AI搜索功能后，它确实能够根据现在的网页信息，集成进一些图文、视频等信息出来然后展示：像图文暂时这一块，夸克、Bing搜索等，在AI爆火的初期，早就已经接入进来。 2.以百度为例：AI 搜索的实践与困境“已经好久没有用过百度搜索了”，这句话折射出当下许多用户的体验： AI 功能走马观花 百度在网页入口中嵌入了 AI 搜索功能，能够集成图文、视频等信息、直接展示相关内容 AI 搜索确实改变了我们获取信息的方式，让复杂任务和多轮对话变得更高效，但它更像是对传统搜索的补充，而不是完全取代。
2K10编辑于 2025-07-08 - 来自专栏Web_xy
AI搜索引擎
由此，也引发了我的一些思考，我最后再说，先和大家一起看看这个新闻讲了什么~ ---- 开创性举措 在谷歌宣布「实验性对话式人工智能服务」Bard 之后仅 24 小时，北京时间 2 月 8 日凌晨两点，微软发布了面向大众的 我本来也想试试，但是现在公测版还未发行，且内测版被各大头条垄断，只能先看看谍照了hh ---- 基于AI的搜索引擎 新模式的搜索引擎 ---- 我们能看到，新必应搜索的其中一种模式将传统搜索结果与 实时对话 ---- 用 AI 重塑搜索 微软宣布，新的必应体验是四项技术突破的结晶： 下一代 OpenAI 模型。 将人工智能应用于核心搜索算法。我们还将 AI 模型应用于我们的核心必应搜索排名引擎，从而实现了二十年来相关性的最大跃升。有了这个 AI 模型，即使是基本的搜索查询也更加准确和相关。 新的用户体验。 ---- 从有限预览逐步扩展到无限 新的必应从2月8号开始可以通过桌面有限预览版本（limited preview）访问，每个人都可以访问 Bing.com 以尝试示例查询和注册候补名单。
1.7K20编辑于 2023-02-23 - 来自专栏做数据的二号姬
认真聊AI | 搜索技术
原创内容 No.704 认真聊AI | 搜索技术 书接上回，本期AI的内容到了搜索技术~ 图片由海艺AI绘制 提到搜索技术就不得不提到搜索问题。 搜索解决方案：使用广度优先搜索（BFS）或深度优先搜索（DFS）找到从初始状态到目标状态的路径。 剪枝条件：在搜索过程中，如果发现某个状态已经搜索过了，或者某个状态不符合问题的约束条件，就可以将其从搜索路径中剔除，以避免无效搜索。 这种解决问题的方法也就是搜索技术。 我们在实际执行的时候，为了提高搜索的速度，图搜索并不是先生成所有的状态连接图再进行搜索的，而是边搜索边生成图，一旦找到了合适的答案搜索就停止了。 在搜索的过程中引入启发信息，减少搜索范围，以便更快地找到问题的解，这种搜索策略称为启发式搜索。 A算法和A*算法是常用的两种启发式搜索算法，我们首先介绍一下A算法。
47710编辑于 2024-11-26 AI会消灭搜索吗？
徐一平 腾讯研究院高级研究员一边是谷歌Gemini 3高调入局，AI独角兽争相涌入，将AI搜索视为最钟爱的赛道；另一边却是马斯克“AI将消灭搜索”的惊人断言。 根据a16z8月榜单分析，包括ChatGPT、Perplexity在内的全球最受欢迎的10款消费级AI应用，8款都具有搜索功能。 当时谷歌AI Overview给出了用胶水粘住披萨的错误答案。路线二——破局原生：AI原生搜索引擎颠覆式重构该路线的代表是是以Perplexity、OpenAI为代表的AI原生搜索引擎。 中游：营销范式向夺取AI心智转移传统数字营销的核心方法论——搜索引擎优化（SEO），其底层逻辑正因AI搜索的出现而面临结构性调整。过去，优化的核心是提升特定页面在搜索结果列表中的排名。 以AI搜索为代表的信息服务正在翻开新的一页。
40810编辑于 2025-12-10- 来自专栏全栈程序员必看
8_搭建商城搜索微服务
搜索服务的父项目：supergo_search 1、建Module：supergo_search 2、删除src ---- 搜索服务的提供者：supergo_search_service9003 1、建 xml version="1.0" encoding="UTF-8"? useUnicode=true&characterEncoding=utf8&autoReconnect=true&allowMultiQueries=true username: root HttpResult.ok(); } } ---- 测试 浏览器输入： http://localhost:9003/goods/import 查看索引： 数据成功导入ElasticSearch ---- 8、 搜索索引库 数据导入Es后，下面开始搜索服务的创建 先看京东的搜索方式： 在输入栏搜索“苹果”，会出现按不同方式的聚合结果 然后在分类栏，选择”苹果”， 对地址url进行转义解析： 本次也是使用类型方案
84320编辑于 2022-09-12 - 来自专栏机器学习
AI 文档搜索系统：基于 LangChain + FAISS 的智能搜索
LangChain 和 FAISS（Facebook AI Similarity Search） 构建一个 AI 文档搜索系统。 原理解析2.1 传统搜索 VS AI 搜索传统文档搜索依赖于 全文搜索（Full-text Search） 或 基于关键词的索引。 例如： 传统搜索： 用户查询 "公司财务情况" 搜索引擎返回所有包含 "公司"、"财务"、"情况" 的文档 无法识别 "盈利情况"、"年度财报" 这些相关内容 AI 语义搜索： 使用 向量化索引 总结本教程介绍了 AI 文档搜索系统 的原理、核心技术，并提供了完整的代码示例。通过 LangChain 解析文档，FAISS 进行语义索引，嵌入模型向量化文本，实现高效、精准的 AI 文档搜索。 未来优化方向： 增加 OCR 解析，提高扫描文档支持能力 支持更多嵌入模型，提高搜索精准度 结合 RAG（检索增强生成），自动生成文档摘要 通过 AI 赋能文档管理，提高企业知识获取效率，节省大量搜索时间
1.6K01编辑于 2025-03-30 - 来自专栏罗超频道
AI与搜索的双螺旋：取之于搜索，用之于搜索
近十年来，AI与搜索结合得愈发紧密，AI从搜索获取数据和反馈不断进化，反过来也在大幅提升搜索的智能化水准，两者形成类似于DNA的“双螺旋”结构，可谓取之于搜索也用之于搜索。 何俊杰说“搜索已经成为AI规模最大的应用场景”，这可能在一些人的意料之外，但在罗超频道看来却是情理之中。一直以来，搜索都是AI最核心的练兵场。AI技术生于实验室，但却发展于搜索。 AI率先在搜索引擎场景大规模商用并不让人意外。 第一，AI与搜索都具备“数据驱动”的本质。 2、百度深耕AI 10余年，练就了一身AI真功夫。 百度2010年成立多个AI相关团队的目的均是为了改进搜索，可以说百度是最早做AI+搜索场景的。 百度早已从搜索引擎升级成AI公司，但这并不意味着百度不做搜索了，相反，百度是真的将“AI+搜索”这件事给做透了，搜索与AI形成了很强的协同效应，两者都受益。
95630编辑于 2022-12-14 - 来自专栏周末程序猿
ChatGPT|AI搜索（Tiny Search）上线
1、简介 AI搜索（Tiny Search）是类似Perplexity AI，实现会话搜索引擎，通过将搜索的内容聚合，然后通过AI进行整合从而提升搜索效率，之前贾扬清也开源了Perplexity的源码， disabled: false 2.2、定义Prompt Prompt是AI搜索的核心，定义了AI搜索的意图，包括两个部分： 通用的RAG的Prompt，是针对返回的内容，让LLM如何进行总结 （页面上的"AI回答"）。 可以看看 search_with_lepton 开源项目的如何实现的，这里定义了通用的Prompt： You are a large language AI assistant built by Lepton AI.
24000编辑于 2025-02-27 - 来自专栏算法一只狗
AI 时代：它正在改变搜索，但远未取代搜索
现在真的太依赖于AI助手去回答问题了。AI助手如 ChatGPT、DeepSeek 等确实正在 改变人们的信息获取方式，但还远没有全面取代传统搜索引擎。 根据一份覆盖 2023 年 4 月至 2025 年 3 月的研究数据，AI聊天助手的流量确实快速增长（同比 +80.9%，达到 552 亿次访问），但搜索引擎的总流量仍高达 1.86 万亿次，同比仅略降 这些挑战凸显了 AI 代理与传统搜索引擎之间的差异。AI 搜索代理代表了我们与在线信息交互方式的重大转变。 从最初的“搜索 + 阅读 + 总结”，到如今可以直接对话式获取整合答案、代码框架和应用方案，对于算法工程师、程序员、内容创作者，AI 已成为不可或缺的辅助工具。 未来 AI 助手是否能够取代搜索引擎，尚且无法定论，但可以确定的是——善用 AI 的人，正在取代不会用 AI 的人。
39710编辑于 2025-07-04 - 来自专栏新智元
AI时代市场营销生存指南：8大应用方向，无限搜索与超级个性化
作为连载文章中的第一篇，本文将为您介绍营销领域 8 个核心 AI 应用门类的前 2 个：无限搜索和营销自动化。 AI 已经撕掉了科幻的标签，切实影响着我们的生活。 在这篇由四部分构成的文章中，我将讨论商业技术中 8 个核心的 AI 应用门类，带大家了解认知和预测学习对理解消费者行为的作用和意义，以及 AI 在达成业务目标的过程中达到或超越人类的前景。 自从谷歌开始使用 Rank Brain 来诠释 AI 筛选出的“大量”查询后，客户使用搜索引擎的体验得到了显著提升。现代搜索引擎现在通过内容开发和建立链接提供更为全面的用户体验，以显著提高搜索结果。 预测性的产品推荐会自动填充搜索库来管理和适应浏览习惯。这将提供更好的以移动为中心的搜索，轻松实现个性化。 基于复杂的搜索意图算法，AI 驱动的引擎将拥有无限搜索能力（infinite search）。 而且，域名权限和搜索引擎优化（SEO）的竞争又如此激烈。 到2025年，AI 将消灭掉大部分“搜索”和“网上冲浪”，在不到五秒钟的时间内提供准确的点对点结果。
1.3K130发布于 2018-03-28 - 来自专栏专知
谷歌搜索和AI部门分家：Jeff Dean和Ben Gomes分别执掌AI和搜索业务
【导读】当地时间2018年4月2日，国外媒体网站The Information报告了关于Google一则重大消息，即谷歌的搜索和人工智能业务将拆分成两个独立的部门——AI部门和搜索部门。 谷歌曾在2016年将搜索和AI两个部门合并成立新的部门，并由John Giannandrea担任高级副总裁执掌新部门，以更好地在其核心搜索业务中应用AI技术，随着AI技术的发展，AI已不再局限于搜索服务 因此，近日爆出消息，Google将把该部门重新分裂成AI和搜索两个独立的部门。 此前担任谷歌高级副总裁John Giannandrea将卸任，随之迎来了AI和搜索两个部门新的领导人，分别是：谷歌大脑负责人Jeff Dean和谷歌资深研究员Ben Gomes。 由此次谷歌部门重组，可见谷歌的工作重心将不只是AI服务于搜索业务，AI作为当前最为流行的技术领域，将会在谷歌公司的全线产品中发挥至关重要的作用。
1.5K80发布于 2018-04-13 - 来自专栏用户6109341的专栏
影响搜索引擎排名8大因素
影响搜索引擎排名8大因素： 1、服务器：即网站存储空间（是否被惩罚或稳定及速度） 2、网站导航结构 3、域名和文件名 4、网页标签的设置（Title、keywords、discription） 5、优秀网页的内容 （一般都是伪原创） 6、关键词在网页中的密度（一般为2%~8%） 7、反链（友情链接及在论坛、贴吧、博客、知道发布的有关网站的连接都算） 8、robots.txt文件（这个是禁止搜索引擎收录的）
91010发布于 2021-07-19 - 来自专栏学弱猹的精品小屋
Leetcode | 第8节：记忆化搜索，树（上）
例如说matrix = [[9,9,4],[6,6,8],[2,1,1]]，那么输出就是4。这对应着下面这一张图 ? 如果输入是stones = [0,1,3,5,6,8,12,17]，那么输出就是true。 如果输入为root = [3,5,1,6,2,0,8,null,null,7,4], p = 5, q = 1，那么输出就是3，因为3是5和1的公共祖先。 比方说如果输入是root = [10,5,-3,3,2,null,11,3,-2,null,1], targetSum = 8，那么输出就是3，对应的3条路径如下。 ? Problem 8: Leetcode 230 给定一个二叉搜索树的根节点 root ，和一个整数 k ，请你设计一个算法查找其中第 k 个最小元素（从 1 开始计数）。
53730发布于 2021-08-10 - 来自专栏内容营销专家刘鑫炜
AI搜索实战专家刘鑫炜：AI 搜索营销是什么，零基础入门详细教程
作为深耕AI搜索营销的实战派，我每天都能收到新手的求助：“我花了3个月做AI搜索营销，一分钱效果没有”“跟着网上的教程做，越做越乱，流量不增反降”“AI搜索和传统SEO到底有啥区别，完全摸不着头脑”…… 先明确一个核心观点（差异化重点）：AI搜索营销不是“AI+搜索”的简单叠加，也不是传统SEO的“换皮术”，而是“AI读懂需求、内容匹配需求、流量精准转化”的闭环。 于是花几百块找AI工具，批量生成一堆“AI搜索优化”“AI获客技巧”开头的内容，关键词密度堆到15%以上，结果发布后，不仅AI不推荐，连传统搜索都没有排名，纯属白费功夫。 看AI搜索结果：在AI工具中搜索你的行业核心词，比如“AI搜索营销”，看AI给出的前10个答案，分析这些答案覆盖了哪些需求，然后补充AI没覆盖到的细节——比如AI讲了“AI搜索营销是什么”，你就补充“新手做 殊不知，这等同于直接放弃AI搜索的巨大流量——全球AI搜索引擎单月访问量已突破44.6亿次，屏蔽AI爬虫，就相当于拒绝了这部分流量入口。
22610编辑于 2026-03-03 - 来自专栏自然语言处理
迈向 AI 搜索范式：从AI搜索、多模态推荐到零样本混合检索器
信息检索领域前沿研究观察：从AI搜索到多模态推荐 最近在信息检索领域看到了不少有意思的研究进展，从百度搜索提出的AI搜索范式到各种新颖的检索增强方法，这些工作都在试图解决当前搜索和推荐系统面临的实际问题 AI搜索的新范式：多智能体协作系统 百度搜索团队最近提出了一个很有意思的"AI搜索范式"概念。 可以说是把现在AI领域的多种技术有机结合到了搜索场景中。 : 多模态嵌入的统一空间 Jina AI的jina-embeddings-v4模型展示了多模态嵌入的一个重要发展方向：将文本和图像表示统一到单一语义空间中。 这个问题的挑战在于，模型需要学会三个关键能力：什么时候需要搜索、应该搜索什么内容，以及如何根据搜索结果进行推理。 现有的RAG方法往往采用固定的管道，容易导致过度搜索的问题。
47710编辑于 2025-07-02 - 来自专栏前端专精
通过MongoDB Atlas 实现语义搜索与 RAG——迈向AI的搜索机制
目录 通过MongoDB Atlas 实现语义搜索与 RAG——迈向AI的搜索机制 一、引言 二、语义搜索与 MongoDB Atlas 的背景 三、MongoDB Atlas 的向量搜索功能 1. 迈向AI的搜索机制 一、引言 随着大模型和语义搜索的迅速发展，如何高效管理和检索大规模非结构化数据成为现代应用的重要课题。 提高信息匹配精度：语义搜索基于内容的相似性，可跨越词汇的表面差异。 支持自然语言处理：与大语言模型（如 GPT）集成，使得数据库能够直接支持生成式 AI 和问答系统等高级应用。 然后将检索到的结果作为上下文传递给生成式 AI 模型以生成答案。 我们将详细分解以下几步： 将用户查询向量化。 在 MongoDB Atlas 中根据向量搜索匹配最相似的文档。 传递上下文和用户查询给生成式 AI 模型生成答案 const answer = await generate_answer_with_ai_model(userQuery, context
82710编辑于 2025-01-22
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号