Agentic Search

What is it（这是什么）

Agentic Search 是「让 AI Agent 自己去搜、去读、去交叉验证，最后给你一个有出处、可复核的答案」的搜索形态。它和传统搜索（给你十条链接）以及 RAG 问答（一次性检索后生成）的本质区别在于：Agent 会自主规划检索路径、多轮深挖、对冲突信息做比对，并把每条结论绑定到可点击的原始来源。技术本质是「Agent 编排 + 检索工具调用 + 证据链留存」三件套；商业意义是把搜索从「信息获取」升级为「可交付的调研结论」，直接切入分析师、研究员、投资尽调、法务合规等按小时计费的知识工作场景。

Why now（为什么现在出现）

三个条件在 2026 年同时成熟。第一，模型侧的 tool use 与长上下文成本大幅下降，让「多轮检索 + 全文比对」的单次查询成本从不可行变成可承受；第二，用户对纯生成式答案的信任度触顶——幻觉和「无出处断言」在专业场景已成硬伤，市场从「要答案」转向「要证据」；第三，Perplexity、GPT 搜索类产品完成了第一轮用户教育，但它们的答案仍是「一次性检索」，在需要深挖和交叉验证的任务上明显不够。Hyperresearch 与 The Public Eye 选择在 2026 年 11 月同时冒头，说明「持久、可验证」这个差异化切口刚刚被验证可行，早一年技术不成熟，晚一年大厂已补齐。

Market Evidence（市场证据）

信号很薄但方向清晰：2 个独立信源（showhn、producthunt）、2 次提及、增长率 100%、趋势分 67/100、阶段为 nascent。100% 增长率在绝对量只有 2 的情况下没有统计意义，它只说明「从 0 到 1 有人开始做」，不能说明「形成社区共识」。真正值得注意的信号质量在于信源类型：Show HN 和 Product Hunt 是「产品已上线、创始人在公开招募早期用户」的场景，而非纯讨论帖，这意味着背后是真实的构建行为而非话题炒作。判断：这是一个早期真实需求信号，但尚未形成趋势。机会分、市场分、竞争分、需求分均为 0/100，说明评分体系尚未捕捉到足够的量化证据——对独立开发者而言，这既是风险（无人验证）也是窗口（无人竞争）。

Who's Behind It（谁在推动）

目前可见的玩家只有两个产品：Hyperresearch（主打持久化、可追溯的深度研究 Agent）和 The Public Eye（主打公开可验证的检索，强调来源透明）。两者都是小团队/独立产品，尚无大厂身影，也未见开源项目形成社区。这个领域真正的「庄家」还没下场——OpenAI、Perplexity、Exa、Tavily 这类拥有检索基础设施或模型入口的公司一旦把「可验证 Agent 检索」做成原生功能，独立产品的生存空间会被压缩。当前格局是「两个探路者 + 一片空白」，竞争态势尚未形成，谁先建立「证据链」的产品标准和用户心智，谁就占据定义权。

TAM & Market Size（市场规模）

潜在用户是知识工作者中「结论需要被复核」的那部分：分析师、咨询顾问、投资尽调、学术研究者、法务与合规、记者、以及需要写带引用报告的产品/市场人员。全球范围这类人群在千万级，其中愿意为「带出处的调研」付费的核心用户（咨询、投研、法务）在百万级。付费意愿明确：这类人群本身按小时计费，一个能节省 30% 调研时间、且结论可复核的工具，月付 30–100 美元是合理区间。市场处于增长初期：需求分 0/100 说明当前尚无量化需求验证，但底层驱动力（AI 幻觉治理、合规留痕要求）是长期结构性增长，不是一次性风口。保守估计该细分在 2027 年可支撑数亿美元级市场。

Competitive Landscape（竞争格局）

直接竞品是 Hyperresearch 与 The Public Eye，二者都还很早期，产品深度和品牌均未建立。间接竞争更危险：Perplexity 的 Deep Research、OpenAI 的深度研究模式、Exa 的检索 API、Tavily 的 Agent 检索工具，都在向「多轮检索 + 引用」靠拢，且拥有分发和模型优势。市场空白在于「证据链的可审计性」——大厂产品给你引用，但不给你「Agent 为什么选这条来源、如何排除冲突信息」的过程记录，而这正是法务、投研、合规场景的刚需。大公司一定会做基础版，但不会做垂直合规级的审计层。时间窗口判断：12–18 个月，大厂补齐基础能力后，独立产品的机会只剩垂直场景和 API 层。

Business Model（商业模式）

推荐订阅制 + API 计量双轨。理由：终端用户（分析师、顾问）习惯为工具月付，而开发者/团队需要把检索能力嵌进自己的工作流，按调用量付费更贴合。定价建议：个人版 29 美元/月（每月 500 次深度检索），团队版 99 美元/月（3 席、共享证据库、导出审计报告），API 按 0.02–0.05 美元/次检索调用计费。依据是竞品 Perplexity Pro 20 美元/月、Exa 按量计费的锚点，而「可验证」溢价可支撑高于通用搜索 50%。12 个月收入预测：保守 3 万美元（约 80 个付费用户）、基准 12 万美元（约 300 用户 + 少量 API）、乐观 35 万美元（垂直行业客户 + API 放量）。获客成本估算 40–80 美元/付费用户（靠 Show HN、垂直社区、SEO 长尾），回本周期 2–3 个月。

MVP Blueprint（MVP 蓝图）

核心功能只保留四条：①输入一个问题，Agent 自动拆解为 3–5 个子查询；②对每个子查询调用搜索 API 并抓取正文；③对冲突信息做交叉比对并标注「一致/存疑/矛盾」；④输出带逐条来源链接和检索日志的报告（可导出 Markdown/PDF）。砍掉：多语言、团队协作、知识库、UI 美化。技术栈：前端 Next.js + Tailwind，后端 Python（FastAPI），检索层接 Tavily 或 Exa API，模型用 Claude/GPT 的 tool use，数据库 Postgres 存检索日志，部署 Vercel + Railway。最快路径：用 Vercel AI SDK 的 Agent 模板起步，检索层直接买 API 不自己建索引，两天出可运行原型，第三天加导出和日志页。预估开发天数数据为 0，实际按此规格 3–5 天可上线。

Commercial Opportunities（商业化机会）

方向一：投研/尽调证据报告工具。目标用户是 PE/VC 分析师和独立研究员，输入公司名，输出带出处的业务、融资、舆情核查报告，月收入预期 3000–8000 美元。优于其他方向，因为付费意愿最强、结论必须可复核。

方向二：Agentic Search API 中间层。把「多轮检索 + 证据链」封装成 API 卖给做垂直 Agent 的开发者，按调用计费，月收入预期 2000–6000 美元。优势是避开终端获客、直接吃开发者生态红利。

方向三：合规/法务检索审计工具。为律所和合规团队提供「每条结论可追溯到原始文件」的检索，月收入预期 5000–15000 美元。优势是客单价高、大厂不愿做垂直审计层。

Product Ideas（产品创意）

🥇 VeriCite — 「每条结论都带可点击证据的深度调研助手」。目标用户：咨询顾问、投研分析师。场景：写行业报告时输入命题，输出带来源和矛盾标注的调研稿。时机正确：通用 AI 搜索已教育市场，但「可验证」仍是空白。

🥈 TraceAPI — 「给 Agent 开发者的可验证检索 API」。目标用户：构建垂直 Agent 的独立开发者。场景：一行调用拿到多轮检索结果 + 证据链 JSON。时机正确：Agent 应用爆发，但检索可信度是普遍痛点，API 层尚无标准玩家。

🥉 AuditLens — 「合规级检索留痕工具」。目标用户：律所、企业合规团队。场景：对任何结论生成「检索路径 + 来源快照 + 时间戳」的审计记录。时机正确：AI 合规留痕要求正在成为硬性规定，先发者建立标准。

SEO Opportunity（SEO 机会）

搜索量趋势：上升（新词，基数极小但增速快）。有价值长尾词：「agentic search 可验证」「AI 检索 证据链」「deep research 带引用工具」「agentic search API」。SEO 难度 0/100，几乎无竞争。内容策略：优先做「对比页」（vs Perplexity Deep Research、vs Exa）和「教程页」（如何构建可验证检索 Agent），这两类页面最容易在低竞争下拿到排名，并直接承接高意图流量。

Risk Assessment（风险评估）

判断可能错在：所谓「可验证」只是两个产品的营销话术，用户实际并不为「出处」付费，只为「快」付费。三大风险：技术风险——检索质量依赖第三方 API，成本与稳定性不可控；市场风险——大厂 12 个月内把「带引用深度检索」做成免费功能；执行风险——证据链产品体验重、打磨成本高，独立开发者易陷在工程细节里。最低成本验证：用现成 API + 一个周末做出单页 Demo，投 Show HN 看是否有人愿意留邮箱或预付。放弃信号：两周内 Demo 无人问津、或大厂发布同类原生功能且免费。

Action Plan（行动建议）

第一步（今天）：注册 Tavily 或 Exa API，用 Vercel AI SDK 的 Agent 模板跑通「一个问题 → 多轮检索 → 带引用输出」的最小链路。低成本验证：把输出发到 X 和 Show HN，观察留邮箱转化率。信号确认后第二步：给 10 个目标用户（分析师、顾问）做手动交付，收反馈并验证付费意愿。时间线：第一周完成 Demo 和 20 个潜在用户访谈；第一个月上线付费页、拿到前 5 个付费用户；第三个月做到 50 个付费用户或转型 API 方向。

Related Terms（相关趋势）

• Deep Research — 竞争关系，大厂同赛道产品，是 Agentic Search 的最直接替代
• RAG — 子领域/前身，Agentic Search 是其多轮、可验证的进化形态
• Search API（Exa/Tavily） — 依赖关系，是 Agentic Search 产品的底层检索基础设施