Agent 调研不准的根因：Query 对不上人脑

这段时间我养成了一个习惯，凡是要查资料、做调研，第一反应就是丢给 Agent。省事是真省事，交代一句需求就能等结果，可拿回来的东西经常让人皱眉：要么数据明显不准，出处可疑甚至对不上事实；要么冗余信息堆成山，真正想要的那两三行淹没在 SEO 味十足的内容农场文章里，筛选成本比自己动手搜还高。几次下来我不禁怀疑，问题可能不在调研这个动作本身。

一开始我以为是 Agent 不够聪明，换了好几个工具、改了好几版提示词反复试，问题依旧。后来专门做了多轮对照测试：同一个问题，先让 Agent 联网查，再自己手动搜，逐条比对它发出的搜索词。结果很明显，根因出在 Query 上——Agent 联网调研时构造的搜索词，和人脑里真实的检索意图对不上。我脑子里想的是一个很具体的诉求，带着上下文、时间范围、排除条件，而 Agent 把它翻译成搜索词的时候，这些限定信息大量丢失，出来的结果自然又散又偏。Query 本身就歪了，后面的检索再努力也是徒劳。

更麻烦的是，这种偏差还不容易被察觉。Agent 拿回一页结果之后，会用很流畅的语言把内容复述一遍，读起来头头是道，但源头可能只是一篇为了排名堆砌关键词的文章。搜索词失真加上结果筛选失真，两层误差叠加，调研结论的可靠性就被打了折扣。还有一类失真更隐蔽：Agent 倾向于给出一个看起来确定的答案，把不同来源的说法揉成一段圆滑的表述，真假信息混在一起，反而比明显糟糕的结果更难识别。人脑筛选的价值也就在这里，一眼就能看出哪个来源是权威的原始出处，哪个是二手转述，哪个说法在几个来源之间对得上、哪个对不上。这种判断依赖背景知识和常识，恰恰是当前 Agent 最缺的一环。

想通这一点之后，我换了个做法：调研的关键环节重新回到搜索引擎，用百度的高级搜索功能自定义 Query，把限定词、排除词这些本来只存在于我脑子里的约束，连 site 这类语法限定也亲手写进搜索式里，输出的结果网页再由我自己逐条筛。机器负责广度，人负责判断，这个分工看似退回到了旧时代，精准度反而明显上去了。而且这个过程还有一个附带的好处：亲手构造 Query 的同时，其实也在逼自己把模糊的需求想清楚，搜得越准，问题定义得越清楚。

这大概也解释了为什么不少 Agent 调研产品的实际效果总是不尽如人意——瓶颈未必出在模型的推理能力上，而是出在检索环节的意图保真度上。AI 时代的检索，恐怕不会是 AI 完全接管一切，而是变成一种需要刻意保留的手艺。至少在意图保真度这个问题被认真解决之前，把最终筛选权留在自己手里，是成本最低也最稳妥的方案。