在信息爆炸的时代，我们每天都在与海量数据打交道。AI搜索技术的发展，让我们在寻找答案时既充满期待又面临挑战。本文深入探讨了AI搜索结果的展示方式，分析了不同产品的答案数量和结构化呈现对用户体验的影响。让我们一起了解，在追求效率与信息量之间，AI搜索如何找到平衡点，以及用户真正期待的搜索体验是什么。

使用AI搜索时，我注意到一个问题：

不同AI搜索产品给出的答案数量参差不齐，有的比较简单，一两句话总结；有的比较复杂，结构化呈现5-6条，没一个能用的。

这让我好奇，AI搜索结果，到底展示多少条合适？要不要结构化？多少条是人们接受的？带着问题，进行了测试和调研。

先说结论：最满意Kimi.AI和知乎直答。为什么呢？

测试部分，我问Kimi探索版，AI搜索应该显示几条内容？它搜索39个网页后，给出的结论只有5句话：即：

搜狗搜索每页显示10条结果，最多可以设置为100条；百度搜索可以提供10条、20条或50条内容，数量取决于用户选择。

必应则说自己有置顶框，会展示AI总结和相关链接。perplexity只呈现五六条结果；360 AI是通过答案再提供20到30条信源链接。

从Kimi的回答结果看，搜狗、百度的结论是基于传统搜索引擎，而必应、perplexity、360可能是基于AI的。

带着问题，我又问了腾讯的ima.copilot，这是一个笔记软件，能搜索所有公众号内容；我说：AI搜索应该显示几条内容？

它提到结果呈现方式取决于搜索目的、用户需求、内容类型和AI算法性能；百度一般显示10条结果，最多100条；Google可以在10到100条之间显示，根据用户需求决定。

不过，它的答案的确很繁琐，结构化了还很长，以上都是我帮它优化后的。

接着，我测试了知乎知答。答案很简单，只有4句话：

AI搜索内容不固定，由算法根据用户最有价值、最相关的结果决定；搜索引擎的目标是提供最相关的结果，数量从几条到几十条不等，同时考虑用户体验和多样性。

比如：谷歌搜索可能显示10条结果，并提供下一页链接以浏览更多内容；AI搜索工具会挑选最重要、最合适的内容，关键在于质量而不是数量（这个例子是知乎直答答案中的）。

然后，我测试了文心一言，它给出5条结构化内容。

不同的是，它比较模棱两可；它说，答案数量取决于用户需求、搜索上下文、设备和界面、算法与性能以及用户体验，并且会根据这些因素动态调整。

微信的AI搜索自然也不能放过，它的AI在“搜一搜”里，相对隐蔽。我测试了几个问题，发现微信搜一搜的AI生成式答案相对简单直接。

我搜索“王智远是谁”时，结果显示王智远是个多才多艺的人，有多种身份，包括一级建造师、艺人和商业创作者，每个身份都有进一步的5点介绍。

综上认为，Kimi的答案结构化，且简洁有力；知乎知答则更为直接，没有列出具体条数，但直接给出了答案；相比之下，文心一言的回答与问题的相关性较弱，微信搜一搜则更注重直接陈述。

对比不难看出，AI搜索给出的答案，大致分为两类：

一，简洁明确的；问题和答案匹配，不拖泥带水，二，切题详实的，AI会围绕答案展开很多讨论；这些讨论看似正确，实际上只有一部分对用户有帮助。

为什么会这样？带着好奇，我询问了身边两位技术朋友：他们说，可以从问题理解、技术逻辑和使用体验三个角度来看。

首先，使用AI搜索，不能指望它像人类一样理解我们。

聊天时，我能知道你的过去、经验和外貌，但AI做不到。AI更像一个“缸中之脑”（Brain in a Vat）。这个概念有点奇怪，就像一个人的大脑被放在装满营养液的缸里，通过电脑来操纵，让它感觉像人脑一样。

实际上，AI的模型像大脑，外部信息像营养液，我们给AI一个问题，它会在各种知识库中搜索，然后整合信息找到答案。

因此，它对问题的理解是基于大量数据做出的平衡，平衡什么呢？就是那些被大量点击的，或者相对准确的信息，有些模型为了准确性，自然会选择呈现多一些内容。

其次，从技术角度来看，当你输入一个问题后，AI会捕捉这个问题，利用搜索引擎，比如Google，或者一些第三方服务来寻找答案。

AI会用一种叫embedding的技术来处理搜索结果，这个技术就像给结果排序和分类，让它们更容易管理；最后，AI会使用RAG技术，从众多网页中挑选出与你问题相关的信息，再通过一个大型模型整合这些信息，最终给出答案。

很多AI搜索产品不会自己建立搜索引擎，因为成本太高了，爬取5000万个网页可能需要花费一两百万人民币，而且爬取的内容还需要进行安全检查。

现在大型搜索引擎拥有的网页数量是以千亿计的，这是多年积累的结果，从时间和金钱来，一般创业者难以承担。

所以，AI搜索找到网页内容后，会把它们按照段落、句子切成小块，这样处理更方便，那么，很自然地如果问题很长，答案可能也会很详细；如果问题很短，或者一个词有多个解释，它也可能给出很多相关的信息。

这就像找东西，一个词能引出很多相关内容。

朋友还说，针对一个问题，AI给的答案比较丰富，也取决于生成式（generative）和交互式（interactive）。

什么意思呢？

AI搜索系统本质上是一个问答系统，它的答案和传统检索方式有很大区别。

传统检索只是把相关网页展示出来，而生成式可能返回一个文档或一组链接，这样用户可以直接获取所有信息，不用再从多个来源中筛选总结。

这种技术有创造性，因为它要理解你的语料后，再给出答案。所以，虽然有些内容可能我们不需要，但这些多余的内容能增强人与AI的互动性。

比如说：

你问“如何提升工作效率？”，AI可能会先给你一个常见的几条建议，比如设定清晰目标、合理分配时间等。

但它还可能进一步提到一些新工具或方法，类似于“你可以尝试使用时间管理工具，如Notion或Todoist，它们能帮助你更好地安排任务”；这样，你会因为这些额外的信息对某个工具产生兴趣，从而进行下一次的搜索。

问题是：我们真需要那么多答案吗？我从体验角度做了样本测试。

有些人说：用AI搜索时，喜欢先看到结论，再看过程，这样能让他们更快地找到想要的信息。

虽然AI能提供很多长文本，但并不是每个人都想要，就像一个知识渊博的人能讲很多，但并不是所有内容我们都感兴趣一样。

你要不明白，就想象一下，在工作中，如果领导问你事情办得怎么样，你先说一大堆过程，最后才说没办成，领导肯定不高兴，相反，先告诉领导结果，再详细说过程，这样更好。

但也有人觉得，AI搜索显示的内容越多越好，因为这样可以学到更多知识，提高找信息的效率。

比如：我问一个问题，可能还没完全想清楚，如果AI能展示很多内容，有些反而会激发我的好奇心，这种好奇心再次引导我探索更多不同的解决方法。

然而，实际情况是这样吗？

虽然历史上没有专门研究AI搜索结果，但我查了一些关于传统搜索引擎的用户调研。

到了2024年，谷歌搜索的用户调研显示，排名第一的链接点击率高达39.8%，第二名是18.7%，后面的点击率会越来越低。这说明用户更关注搜索结果页面靠前的链接，越往下，关注度就越低。

统计数据还显示，75%的用户从不浏览搜索结果第一页之外的内容，只有0.78%的用户会点击谷歌第二页的结果。

而那些直接显示答案的精选摘要（Featured Snippets），在2018年初的出现频率约为12%，到2020年初增长到了约16%；这意味着在搜索页面上，直接展示答案可能减少了用户对更多搜索结果页面的需求。

换言之，用户愿意直接获取答案，不想浏览无关信息。

我也读了谷歌核心工程师玛丽莎·梅耶（Marissa Mayer）的一些用户调研。她说：

很多用户告诉她，他们希望每页能看到尽可能多的结果，20个不够，25个也不行，最好是30个；但当她观察用户的实际行为时，发现了一个不同的趋势：用户其实更喜欢每页显示较少的结果。

当搜索结果数量在10到20之间时，用户的点击率会急剧下降。当每页显示25个结果时，点击率下降得更多，而当每页显示30个结果时，情况最为糟糕。

最后，梅耶决定每页显示10个搜索结果，这个决定也被谷歌一直沿用至今。

所以，这个结论是：用户在AI搜索时，往往只关注一个屏幕内的内容；如果这一屏的前面就能完整呈现结论，他们就能获取所需要的结果，而后面的内容，对他们来说，可能就没那么相关了。

问题是，为什么人们说的话和实际行为不一致呢？我们总说想看到更多内容，但当AI搜索结果真的呈现大量内容时，却不愿意花时间去看？

经过长期使用AI搜索，我找到了答案：「速度」。很多人没有意识到，大量搜索结果会干扰我们的认知，影响体验。

举个例子：‍‍

我尝试了Kimi和天工AI的探索版，当我问它们一个心理学研究的问题时，一个给了简短有力的答案，并适当引导我去网页查看更多。

另一个却给了很多内容，要我先浏览再点击链接查看；相比之下，后者让我感到选择困难，甚至觉得大脑负担加重，而前者的信息，让我获取得更直接、更方便。

扎克伯格在Facebook早期发展时，也遇到过类似情况。

当Facebook从哈佛扩展到耶鲁和哥伦比亚大学时，学生们一开始表示怀疑，甚至有些嘲讽l尽管他们抱怨，但没人真正删除信息或停止使用，反而使用频率增加了。

扎克伯格得出结论：“人们并不擅长预测自己对新事物的反应。”Facebook的成功证明，用户可能对新事物持怀疑态度，但最终会喜欢成为其中的一部分。

很少有人能清楚表达自己的真实需求，尤其是在面对未知的新事物时，语言可能会骗人，但行动不会，因为行动的代价比语言更大。

在产品开发中，我们常听到一句话：“不要听别人说什么，要看他们做什么。”这句话同样适用于AI产品，用户可能会说他们想要更多功能或选项，但他们的行为表明，很多人更喜欢简单快捷的解决方案。

所以，有两个结论：

一，AI搜索一开始不要展示太多内容，搜索引擎应该先直接给出答案，然后，逐步引导用户探索，这样更合适。

二，AI越专业，答案越简洁，长文本能力应该用在解释过程上，而不是直接给答案。