文：王智远 | ID:Z201440

有个AI新闻想必你也看到了：

Kimi探索版在PC端悄悄上线。一次可以搜索500个网页，拥有强大的AI自主搜索能力，还能模拟人类的推理，把复杂的问题分成几个部分，进行深入的搜索。

另外，它还能用数学模型和编程来处理、分析数据，不断优化结果，给出更全面、更准确的答案。

如果你还没有体验，可以在对话框输入“/”，然后按Enter回车键，或者打开输入框左下角的“探索版”开关，即可使用。

有朋友体验后提出了两个问题：第一，5次机会明显不够用。这点不用担心，我从Kimi团队了解到，今天已经全面开放，也就是说，现在大家都可以使用。

第二个问题，有人觉得跟之前的版本差不多，回答问题还是不够清晰，为什么会这样呢？可能你对它的能力还不够了解。

01

如果你问Kimi探索版有什么能力？它会告诉你六个点：

自主搜索、高效搜索、多级问题分解、自我反思、多语言支持和互动，这些听起来有点抽象，不过要记住，前四个最重要，因为每个点背后都包含了很多信息。

所谓自主搜索，就是像人一样主动去找信息。

比如我问：2024年《财富》中国科技50强企业里，哪些公司总部在北京？

如果是人来做，用传统搜索引擎或者AI，可能要分两步：第一步，找到2024年《财富》中国科技50强的名单；第二步，查看公司的总部在哪，然后再汇总。这就是问题拆解、分析、汇总的过程。

而Kimi的自主搜索，就是把原本人要做的三步自动化。

理解了这一点，你就明白它能像人一样推理、分析复杂问题，并且执行深入搜索的能力了。

那为什么有时候我们对搜索结果不满意呢？我调研了一下，绝大部分人提出的问题不够清晰，简单讲，各环节中存在模棱两可的状态。

比如说，这个问题：

我想知道折叠手机在一线城市和二线城市的销售情况，以及市场占有率怎么样？”直接把问题给Kimi，它肯定无法给出准确答案。

因为，我没有明确具体的时间段、也没有明确需要的数据类型，甚至也没有说一线城市、二线城市有哪些，如此下来结果肯定不满意。

再例如，昨天朋友提的问题：他说：

想生成一套完整的品牌或商品行业分类，按照"一级、二级、三级"的方式进行展示。他希望先生成一级行业，再逐步生成二级和三级行业类目，尽可能涵盖所有类别。

你能看出问题在哪吗？

一，品牌太多，没有明确要聚焦哪些品牌。二，品牌和商品行业类别混在一起，实际上这是两个不同的概念。

三，按照一级、二级、三级行业的逻辑，缺乏具体的行业定义，导致描述不够清晰，这样一来，结果自然就不理想。

所以，尽管在某些方面AI比人聪明，但我们不能提问太笼统，否则AI也不知道该怎么回答。

还有一点是，当我们打开一个聊天界面时，代表开启了一次全新的对话。新对话意味着没有任何上下文，一个完全空白的状态，一切都要从头开始。

而你用几十个字描述问题让它完全理解，这绝对不可能。

02

那么，最好的解决办法是什么呢？我总结了两点：

一，把问题拆得足够细，细到每个信息都有明确的定义和范围。什么是明确的定义和范围？简单来说，就是每个信息都要具体、清楚，没有模糊的地方。

比如说：

如果我想知道瑞幸咖啡2024年上半年财报的数据，问：营收是多少？净利润是多少？营销费用占比多少？你可以帮我做个表格。这样，Kimi探索版肯定能搞定，因为问题里每个信息都很明确，没有废话。

第二，要能接受多轮对话，并且能微调问题。

这个方法更适合在一开始你还不确定具体想要什么，只是有个大概方向，想慢慢探索答案的情况。通过一步步提问，慢慢找到真正想要的东西。

举个例子：

我平时看很多不同类型的书和文章，涉及心理学、哲学、系统理论，甚至品牌营销。

有时候看到一个例子或者研究，不完全明白其中的概念，也就是说，我知道一些细节，但对整体不清楚。

这时怎么办？我会对Kimi探索版说：最近我看到一篇文章，有个自媒体作者提到一个案例，有个人想研究如何提升企业的生产效率。

他做了很多尝试，比如跟工人聊天、改善工厂的灯光和工作环境，看看这些变化是否有帮助；最后得出的结论是，作为管理者，具备倾听意识，可以提高员工的满意度和生产力。

我要你帮我找找这个例子，在历史中或心理学中有没有具体的研究？最好和学术相关，以及谁提出的？

这时，Kimi探索版会根据诉求去搜索，最后它说，该理论是最著名的「霍桑实验」，是由哈佛大学教授乔治·梅奥（George Elton Mayo）领导，标志着人际关系学说的兴起，强调了心理和社会因素在工作中的重要性。

图释：我通过一个例子探索出概念和研究

你看，一开始我的问题比较模糊，通过几轮交流和逐步澄清，最后得到了准确的答案。

得到结论后，我还可以进一步要求，比如说：

我要最近两年关于霍桑实验的研究，最好是心理学领域的，能帮我找找吗？这样，从一个模糊的例子到了解概念，再到深入找到学术资料，整个过程就变得越来越清晰了。

03

读懂这个过程，就能明白Kimi探索版另一个功能——高效搜索。什么是高效搜索？

简单来说，不用你自己费力查找，它会根据你之前的问题，自动分析需要的内容，一次性搜索几十个关键词，浏览几百个网页，收集大量信息，最后给出一个综合的答案。

不过，要让它实现高效搜索并不简单。比如你问：“帮我查一下小米SU7的中控屏体验如何？” 这个问题看起来很简单，其实包含了显性和隐性的需求。

所谓显性诉求，即，我侧重想知道的外部表现，类似于中控屏的用户体验、流畅度、响应速度等。而隐性诉求呢？可能是你想知道中控屏的新功能，比如智能语音控制和触摸灵敏度的用户反馈。

如果没说清楚细节，Kimi探索版会浅尝辄止。

它可能会展示7个方面的信息，像是屏幕硬件、车机系统、互联体验、实体按键等，看起来很全面，但信息不一定有用。

那么，准确的做法是什么？有两步：

第一步，先把问题说得更具体。得搞清楚自己到底想知道什么，这样AI才能更好理解你的需求。

比如：我想知道用户在使用小米SU7时，抖音用户或一些博主们，对中控屏的流畅度评价？这样描述清楚后，AI会顺着我的思路去找答案。

不过要注意，Kimi的结论可能不是你想要的完全答案，因为它的高效搜索是通过浏览几百个网页得出的，信息虽然很多，但不一定都符合你的需求。

怎么办呢？

第二步，在它展示的结果中，再次提问。比如，问它有没有关于智能语音控制和触摸灵敏度的具体反馈。这样，得到的答案会更接近你真正想要的。

所以，高效搜索和得到结论是两回事。Kimi探索版的本质是帮助你快速找到大量信息，而最终这些信息是否解决了你的问题，还需要你自己去筛选和判断。

04

说到这里，可以想想：什么情况下我们会用AI来得出结论？或者说，AI提供什么样的结论才是真正需要的？

我总结了下，高频词有四个维度：

• 统计类
• 日常类
• 新闻类
• 探索类

什么是统计类呢？简单来说，用Kimi探索版来找学术论文、统计数据或者历史文献。这些信息可以直接呈现，立刻用于我的研究项目。

我发现，现在Kimi检索能力确实很强。以前它只能给你网页链接，现在它可以在网页中引用具体内容。你只要点击“引用”符号，就能直接定位到每一行的文字。

日常类，相对好理解。类似算数、家庭理财、购物比较、或者说小贴士。

前几天，我导出了个人微信里上半年的支出情况。然后我说，这个Excel表格是截止到10月份的消费情况，现在已经按消费大类整理好了我想知道日常开销中，哪个部分占比最大？餐饮和购物的消费占比是多少？

Kimi帮我算了下，说每个月吃饭大概花了XX元，饮料花费是多少。而购物次数不多，上半年才X次，每次平均花了多少钱。

结果让我很意外，本以为自己爱购物，实际上花得不多，吃得也不多，反倒是喝咖啡和饮料的花费占了不少。

新闻类需求，我用的比较多。

我会查一个事件的最新进展，搜集背景资料和数据。个人觉得这很重要，因为每个事件出来后，都会有各种不同的解读，这让我很难弄清楚最初的信息来源。

最有价值的，还是探索类。什么是探索？Perplexity的创始人曾说过一句话，我记得很清楚，叫：Where Knowledge Begins。

什么意思呢？

知识是一个起点。当我们开始寻找信息或学习新事物时，代表我们开启了探索，激发了好奇心。而这种好奇心，会不断推动我们去寻找更多的内容。

无论如何，我都认为用AI搜索得出的结论，只是个开始，这也许是Kimi为什么这次升级，叫探索版的原因之一。

所以，要用好Kimi探索版，有三点：

一，你的问题要足够清楚，每个环节不能模糊不清，这样它才能给你明确的答案；二，结论本身不那么重要，重要的是要不断引导它，帮你高效地找到你想要的知识。

三，千万不要提问时模糊不清，还期待AI能给你一个完整的答案。这就像猪八戒吃人参果一样，不嚼直接吞下去，根本没尝出味道。更何况，AI现在达不到这么高的水平。

总结

提问，是最难的。

毕竟精准提出问题，答案找到了一半；希望你能在AI时代，练就一个提出好问题，并用AI辅助解决问题的能力。