AI Search

AI Search — это новый формат поиска, в котором система не показывает список ссылок, а формирует прямой ответ через LLM с цитатами из актуальных страниц. Под капотом — RAG: запрос идёт в поиск, найденные страницы передаются модели как контекст, модель синтезирует ответ и может показать ссылки. Конкретные продукты и режимы меняются, а главный компромисс остаётся тем же: связный пересказ быстрее читать, но каждое важное утверждение нужно сверять с источником.

Коротко

Коротко. AI Search — это новое поколение поисковиков, которое возвращает не 10 синих ссылок, а синтезированный ответ через LLM с цитатами из живых страниц. Под капотом — RAG на масштабе интернета: поисковая выдача → передача в модель → готовый ответ. Для пользователя — экономия времени; для сайтов — снижение CTR.

Что это такое

Поисковые интерфейсы всё чаще показывают сгенерированный ответ рядом со ссылками. Для пользователя это сокращает путь до краткого объяснения, но создаёт новую задачу: понять, какие утверждения подтверждаются найденными страницами и не потерялся ли важный контекст при пересказе.

Это и есть переход к AI Search. Идея старая (Ask Jeeves пытался ещё в 90-х), но только с появлением мощных LLM она стала работать. Раньше «вопрос-ответ» поисковики делали через keyword-matching и шаблоны; теперь — через настоящий синтез текста на основе свежих документов.

Архитектурно AI Search — это RAG на масштабе. Только вместо локальной базы документов — весь индекс интернета. И вместо ручной настройки — отлаженный пайплайн от запроса до готового ответа.

Этот механизм без привязки к поисковым брендам разобран в материале «RAG и AI-поиск»: документы, поиск, reranking, ответ и источники собраны там в один понятный сценарий.

1. Perplexity — pioneer категории. Чистый AI-search-интерфейс с цитатами.
2. Google AI Overviews — Gemini в Google.com, краткий AI-ответ + традиционная выдача.
3. Поиск внутри чат-ассистента — ещё один интерфейс к той же схеме: запрос, найденные страницы, синтез и ссылки. Доступность зависит от продукта и плана.
4. You.com — старый игрок, всё ещё значимый.

И ещё с десяток нишевых: Brave Leo, Arc Search, Kagi Quick Answer, китайский Kimi Search.

Как это работает

Пайплайн одного запроса:

1. Пользователь задаёт вопрос на естественном языке. «Как настроить ColorChecker в DaVinci Resolve 19?»
2. Reformulation. LLM может переформулировать вопрос в эффективные поисковые запросы. Например, разбить на 2–3 sub-query.
3. Web search. Поисковая система (Google index, Bing, или собственный краулер) находит топ-N (обычно 5–20) релевантных страниц.
4. Content extraction. Каждая найденная страница загружается, очищается от меню/рекламы, парсится в текст.
5. Optional reranking. Embedding-модель оценивает релевантность каждого фрагмента запросу. Топ-5 идут в контекст.
6. Augmented prompt. Найденные тексты подаются LLM с инструкцией: «Ответь на основе источников, цитируй каждый факт».
7. Generation. Модель синтезирует ответ.
8. Citations. Каждый факт сопровождается ссылкой на источник [1], [2].

Что отличает AI Search от обычного поиска и от ChatGPT:

Что	Обычный поиск	ChatGPT (без search)	AI Search
Источник знаний	Индекс	Память модели	Свежий поиск + память
Актуальность	Свежая	До cutoff date	Свежая
Формат ответа	Список ссылок	Готовый текст	Готовый текст + цитаты
Проверка фактов	На читателе	Сложно	Цитаты упрощают
Задержка	Обычно ниже	Зависит от модели	Растёт с числом поисковых шагов

Сильные стороны AI Search:

• Свежесть. Свежее, чем pre-training. Можно спросить про вчерашнее событие.
• Синтез. Сравнение фактов с нескольких страниц в одном ответе.
• Цитаты. Каждый факт можно проверить.
• Удобство. Один ответ вместо 10 ссылок.

Слабые стороны:

• Глубина. Краткий ответ не заменяет полный материал.
• Сайты страдают. Падает трафик на источники.
• Галлюцинации. Даже с RAG модель может ошибиться в синтезе.
• Однобокость. Часто выбирает 1 точку зрения вместо плюрализма.

Пример на практике

Видеомонтажёр хочет узнать, появились ли новые ноды для ColorChecker в DaVinci Resolve 19 — модель ChatGPT (без поиска) ответит «не знаю», потому что cutoff date раньше релиза.

Через Perplexity ответ выглядит так:

«DaVinci Resolve 19 добавил Color Match через ColorChecker карту прямо в Color Page [1]. Поддерживаются 24-патчная и 18-патчная схемы [2]. Workflow упрощён: одна нода вместо комбинации Color Match + offset [3].»

[1] blackmagicdesign.com/products/davinciresolve/whats-new [2] frame.io/insider/davinci-19-features [3] colorsmith.gallery/davinci-19-review

Это и есть RAG-ответ. Модель не «вспомнила» из памяти — она прочитала три актуальные страницы и синтезировала ответ.

1. Search API — для получения результатов обычного веб-поиска.
2. Embedding-модель — для reranking найденных страниц.
3. LLM с function calling — для синтеза и форматирования цитат.

В ComfyUI можно собрать «домашний» AI Search workflow: ноды Web Search + Page Loader + LLM с инструкцией «отвечай только на основе текстов». Удобно для приватных запросов, которые не хочется отдавать Perplexity.

С чем часто путают

• AI Search и обычный поиск — обычный возвращает ссылки, AI — синтезированный ответ. Часто комбинируется (Google AI Overviews — AI поверх обычной выдачи).
• AI Search и ChatGPT — ChatGPT без search-режима отвечает из памяти модели (устаревает). Search-режим использует AI Search-паттерн.
• AI Search и RAG — не синонимы. AI Search описывает пользовательский сценарий, а RAG — один из способов добавить найденные материалы в ответ. Конкретный продукт может использовать и другие поисковые и ранжирующие компоненты.
• AI Search и Answer engine — то же самое; разные названия. Perplexity называет себя «answer engine», Google — «AI search».
• AI Search и Voice Assistant — голосовой интерфейс может использовать поиск внутри, но распознавание речи и поиск остаются разными компонентами.

Частые ошибки и заблуждения

• «AI Search всегда даёт правильный ответ». Нет. Модель может неправильно интерпретировать источники, выбрать недостоверные страницы, неверно синтезировать. Цитаты помогают проверять, но проверять всё равно нужно.
• «AI Search убьёт SEO». Меняет, не убивает. SEO для AI Search — это другие правила: structured data, чёткие ответы, цитируемые фразы.
• «AI Search всегда бесплатный или всегда платный». Условия различаются: веб-интерфейс, API, исследовательский режим и командный доступ могут тарифицироваться отдельно. Перед регулярной работой проверяют текущий план.
• «AI Search видит весь интернет». Только то, что в индексе поисковика. Закрытые сайты, контент за пейволом, dark web — недоступны.
• «AI Search заменит поисковую выдачу полностью». Маловероятно. Для шопинга, локального поиска, картинок, новостей классическая выдача удобнее.

Связанные термины

• RAG — техническая основа AI Search.
• LLM — модель, синтезирующая ответ.
• Web Search API — провайдеры поискового индекса для AI Search.
• Embedding — используется в reranking найденных страниц.
• Hallucination — снижается через RAG, но не убирается полностью.
• Perplexity — один из заметных продуктов в категории answer engine.
• AI-ответы поисковых систем — массовый пример того же подхода поверх веб-индекса.
• Semantic Search — техника, лежащая в основе AI Search.

Частые вопросы

Сколько стоит Perplexity? У сервисов есть разные планы и API; квоты и способ тарификации стоит проверять перед интеграцией.

В чём разница Google AI Overviews и Bing Copilot? AI Overviews встроен в обычную выдачу Google.com — краткий блок сверху. Copilot — отдельный чат-режим в Bing, более похож на Perplexity.

Можно ли запустить AI Search локально? Сложно — нужен индекс интернета. Полу-локально: использовать Brave Search API (для поиска) + локальную LLM (для синтеза). Получается «приватный AI Search».

Почему Perplexity лучше ChatGPT Search для ресёрча? Perplexity заточена именно под поиск: лучше работают reformulation, поиск свежих страниц, форматирование цитат. ChatGPT Search — добавка к универсальному чату.

Что такое Perplexity Pages? Pages — это длинный AI-сгенерированный документ-ответ с группировкой найденного. Промежуточное между Wikipedia-статьёй и result page. Можно публиковать как контент.

Главное

AI-поиск соединяет веб-индекс и языковую модель: система находит страницы, собирает ответ и прикладывает ссылки. Это экономит время на первом знакомстве с темой, но не превращает пересказ в первоисточник. Для дат, цифр, правил и прямых цитат всё равно полезно открыть документы, на которые ссылается ответ, и проверить, действительно ли они подтверждают вывод.