豆包搜索，走出了豆包

豆包搜索，走出了豆包

把搜索能力开放给Agent了

金磊 发自 凹非寺

量子位 | 公众号 QbitAI

豆包APP里的搜索能力，现在要走出豆包了——

一头扎进面向企业和开发者的Agent，目标是想让Agent获取信息的这件事情，变得更加靠谱。

我们先用最近大热的话题菲尔兹奖，来看下走出来的豆包搜索，实力到底几何。

这类题目看上去不算复杂，真要做好，却得同时满足几个条件。

信息得足够新，获奖名单和研究贡献不能出错；来源也得足够可靠，官方公告、媒体报道和人物资料最好能够相互印证。

这次的结果里，有一个地方需要先讲清楚。

这次豆包搜索返回了3条与问题直接相关的资料，分别来自政府官网转载、科技日报，以及西蒙斯基金会的相关内容。

重点不只在于找到了哪些页面。每条结果还同时带回了信源名称、权威分级、发布时间、围绕当前问题生成的正文摘要，以及能够直接引用的原文Markdown节选。

从用途来看，第一条资料适合核对获奖名单和官方获奖理由；第二条补充了两位中国数学家的研究方向与成果；第三条则提供了国际组织和专业机构对本届获奖者的评价。

若继续交给Agent处理，它可以先利用权威分级和发布时间判断资料是否可靠、是否足够新，再直接从正文摘要和原文节选中提取获奖名单、研究贡献和媒体评价。

这也是豆包搜索和只返回网页入口的搜索有所不同的地方。Agent拿到的不只是一串链接，还包括判断资料能不能用所需的关键字段。

大模型很擅长理解、归纳和推理，但它天然有知识更新时间的边界。只要问题碰到新事件、新版本和新价格，单靠模型脑子里的“存量知识”就不够用了。

这时候，如果搜索只给出网页入口，Agent还要继续打开页面、理解正文、抽取信息。豆包搜索想省下的，正是中间这段反复读取和处理网页的过程。

所以，到了Agent阶段，搜索能力的关键已经不只是能不能找到网页，还要看返回的信息能否直接进入下一步任务。

简单理解，火山引擎是把豆包APP背后的搜索能力单独拆出来，再通过API、MCP、Skill等方式，接进更多模型和Agent里。

据了解，目前豆包搜索已经正式面向企业和开发者开放，每月会赠送500次免费搜索额度，同时支持按量后付费和订阅月卡。

为了了解豆包搜索的更多能力，一波实测，走起~

Agent都会上网，开始拼“怎么搜”和“搜什么”

在正式开始之前，先简单交代一下这次的实测环境。

我们在Mac本地搭建了OpenClaw，并接入Doubao-Seed-Evolving作为Agent模型。搜索这一侧，则单独安装了火山引擎提供的byted-web-search Skill。

安装只需要一条命令：

npx skills add https://skills.volces.com/skills/bytedance/agentkit-samples -s byted-web-search —agent openclaw随后，再到火山引擎豆包搜索的控制台创建API Key，完成接口配置。

接下来的三个Case都在OpenClaw Dashboard里完成。我们会在Prompt中明确指定调用byted-web-search，并在截图中同时保留用户输入和搜索结果。

为了方便观察，豆包搜索每次只展示3条代表性资料。除了标题和来源，结果里还会带回权威分级、发布时间、正文摘要和原文Markdown节选。

至于Agent后续会采用哪些资料、每条资料分别能支撑什么结论，我们放在文字中简要说明。

第一个Case，正好撞上了一条刚刚发生的新消息。

就在昨天深夜，Kimi K3迎来正式开源。新消息出来得足够近，也很适合测试豆包搜索对最新事件的反应速度，以及它能否迅速定位到官方信息。

从结果来看，豆包搜索返回了3条与Kimi K3开放权重直接相关的资料，而且都带有明确的发布时间。

第一条来自新浪财经旗下的国是直通车，发布时间为7月28日10时54分，摘要中提取出了模型权重、技术报告，以及MoonEP、FlashKDA、AgentEnv等训练基础设施。

第二条来自IT之家，发布时间为7月27日23时14分，进一步补充了模型参数、GitHub和Hugging Face入口、部署要求及API价格。

第三条发布于7月28日6时32分，重点解释了Kimi K3 License及这次开放的边界——公开的重点是模型权重，并不等于完整训练代码同步开源。

若继续交给Agent加工，第一条适合确认权重发布及技术信息，第二条可以补充仓库入口、部署和API，第三条则用于校准许可证及开源具体指什么。

这轮测试说明，面对一条刚刚发生的新消息，豆包搜索可以迅速把权重、技术报告、许可证、仓库入口和部署要求等关键信息抽取出来。Agent不必重新逐页阅读长文，就能直接基于这些字段继续处理。

第二个Case，我们把问题拉到了行业研究。

新能源汽车的信息分布很散。政策可能来自监管机构，企业动作散落在公司新闻和媒体报道里，销量数据、机构预测又来自另一批行业信源。

所以，这一轮主要看的，是豆包搜索能不能把行业和企业信息找回来，同时让Agent知道这些内容分别来自哪里。