自從搜尋引擎將 AI 功能嵌入，大家的體驗似乎就分成了兩極。有人覺得它省事，有人卻覺得它礙手礙腳。這兩邊的聲音，聽起來都挺真實的。
其實，這現象並非偶然，而是大型語言模型設計哲學與搜尋引擎核心功能之間，那道隱隱的裂痕。過去的搜尋引擎，無論演算法多麼複雜，本質上都是一個「資訊索引器」，它負責的是在浩瀚的網路世界裡，找出與你查詢最相關的網頁。它不負責「理解」你的意圖，更不負責「判斷」資訊的對錯，它就是一個工具，把你帶到資訊源頭。然而，當 AI 模式上場，一切都變了。它不再只是帶你找答案，它開始嘗試「直接給你答案」，甚至「判斷」哪些答案適合你。這個轉變，在某些語境下，的確高效。比如你問一個事實性的問題，它能直接給你精煉的結論，省去點擊、篩選的步驟。但換個角度看，這種「越俎代庖」的模式，也讓它變得有些「家長式」。
具體來說，像是 Google Gemini 這樣的大模型，在回答某些敏感性問題時，其內建的安全與倫理準則，會讓它選擇迴避或給出泛泛之詞。這種行為，我們可以用「防禦性輸出」來形容。模型在訓練時，為了避免產生偏見、仇恨言論或誤導性資訊，會被設置一系列的濾網。當用戶的查詢觸碰到這些敏感詞或概念邊界時，模型會傾向於提供高度規範化、甚至是規避性的回答。這與傳統搜尋引擎的「中立」立場大相徑庭。傳統搜尋引擎會把所有相關的連結都呈現給你，無論內容是否「政治正確」或「道德無瑕」，它把判斷權完全交給使用者。但在 AI 模式下，這種判斷權被部分轉移到了模型本身。當你想要探索一些「非主流」或「有爭議」的話題時，AI 模式可能就會讓你碰壁，迫使你轉向那些不帶 AI 過濾器的搜尋工具。這種情況下，使用者並不是在尋找一個「有立場」的聊天夥伴，他們只是想找到資訊，無論這些資訊是否「乖巧」。
與此同時，Claude 在長文本處理上的表現，則提供了另一種 AI 模式的觀察角度。它在理解複雜語境和邏輯推導方面有獨到之處，但這並不代表它在所有搜尋場景下都優於傳統模式。當你需要針對一個非常具體的關鍵詞，快速掃描大量碎片資訊時，傳統搜尋引擎的列表呈現方式，可能反而更直觀、更有效率。而像 Kimi 這種長上下文窗口的模型，雖然在處理超長文本時能保持一定的連貫性，但在快速資訊檢索的效率上，也同樣面臨如何平衡深度理解與廣度覆蓋的問題。對那些追求即時、無過濾資訊的使用者來說，這種深度模式反倒可能增加理解成本。
這就引出一個問題：當 AI 開始深度介入資訊檢索，我們到底是在追求一個更智能的工具，還是在期待一個更自主的資訊過濾器？當搜尋引擎試圖替我們篩選、總結，甚至判斷資訊的「適宜性」時，它是否也無形中限縮了我們獲取多元資訊的自由？這之間的平衡點，或許還在摸索中。或許，未來的搜尋引擎，該給我們更多選擇的權利，決定何時需要 AI 的智慧，又何時，僅僅是需要一個純粹的資訊指引者呢？