- 综合排序
- 最热优先
- 最新优先
- 来自专栏mathor
搜索（4）
用DFS在2D地图上找连通分量的问题 例4 蓝桥杯——全球变暖 题目大意是有一张NxN像素的照片，图片中”#”代表陆地，”.”代表海洋。”上下左右”4连通连成一片的陆地组成一座岛屿。 参数xym表示现在搜索到(x, y)这个像素，并且(x, y)以及后续搜到的与(x, y)连通的像素都属于第m个连通分量 对于(x, y)我们要搜索它的4个邻居像素(x+1, y), (x-1, y 如果(nx, ny)是尚未被标记陆地，就继续从(nx, ny)开始递归搜索下去。 所以样例中一横排4个#和一竖列4个#不算形状相同 我们可以用下面的算法判断两个岛屿是否形状相同。首先我们为每一个陆地像素编号，具体来说i行j列(从0开始计数)的像素(i, j)的编号是i*m+j。 例如上图样例中，(1, 2, 3, 4)与(14, 15, 16, 17)对于编号的差14-1=15-2=16-3=17-4都是13，所以两座岛屿形状相同。
79840发布于 2018-07-04 - 来自专栏程序那些事儿
秘塔AI搜索，AI时代的搜索引擎
然而，随着用户需求的不断升级，对于搜索体验的期望也水涨船高。上海秘塔科技洞察到这一市场趋势，推出了秘塔 AI 搜索，这不仅是对产品的一次革新，更是中国 AI 搜索领域迈向新高峰的一个标志性事件。 一、秘塔 AI 搜索的技术基础 秘塔 AI 搜索的核心是上海秘塔网络科技有限公司倾力打造的大语言模型 MetaLLM。 四、对未来的展望 毫无疑问，秘塔 AI 搜索的推出标志着中国 AI 搜索市场即将迎来一个崭新的时代。它的到来不仅仅是对现有搜索体验的一次颠覆，更有可能推动整个行业进入新纪元。 结语 总结来说，秘塔 AI 搜索作为一款创新的 AI 搜索引擎，以其出色的技术能力和用户友好的设计理念，迅速在国内外市场上占据一席之地。 随着 AI 技术的持续进步和应用场景的日益扩大，秘塔 AI 搜索的未来充满无限可能，它将不断为用户提供更为深入、高效、便捷的搜索体验，开启信息检索的新时代。
3.2K20编辑于 2024-04-26 - 来自专栏bit哲学院
AI（四）：对抗搜索
参考链接： 人工智能对抗搜索 https://blog.csdn.net/NGUever15/article/details/89160951 对抗搜索 文章目录 对抗搜索1 博弈multi-agent 环境形式化搜索问题 2 博弈中的优化决策2.1 极小极大算法2.2 多人博弈时的最优策略 3 $\alpha-\beta$ 剪枝3.1 行棋排序 4 不完美的实时决策4.1 评估函数 4.2 截断搜索4.3 向前剪枝 1 博弈 假设： 有两个选手完全可观察，确定性的环境zero-sum（零和游戏）时间受限 multi-agent 环境 合作 vs 对抗 对抗的情况下，产生博弈搜索问题 结果： 只有4 和 6 两个节点用不到。 计算公式： 在C下发现2了之后，就不用再接着看 4 和 6 了，因为最小值一定小于等于2，而2 小于B下的最小值3，所以一定不会选它。 3.1 行棋排序 时间有限，实行深度受限搜索。 采用迭代加深搜索。 4 不完美的实时决策 ？？？如何设计评估函数。 ？？？ 如何截断。
88240发布于 2021-01-29 - 来自专栏算法一只狗
AI 搜索 vs 传统搜索：替代还是共存？
根据一份覆盖2023年4月至2025年3月的数据报告，AI聊天助手的访问量同比增长80.9%，达到552亿次，而传统搜索引擎依然稳居主导地位——总流量高达1.86万亿次，仅微降0.51%。 尽管聊天机器人流量增速惊人，但其总量仍仅为搜索引擎的1/34，可见在宏观层面上，AI搜索尚未完全取代传统搜索。 1.AI 搜索与传统搜索的对比 交互方式传统搜索需要用户自行过滤和阅读海量结果，围绕关键词跳转网页；AI助手支持对话式交互，可直接生成整合性的答案与建议，更适合需要理解、总结或规划型任务。 2.以百度为例：AI 搜索的实践与困境“已经好久没有用过百度搜索了”，这句话折射出当下许多用户的体验： AI 功能走马观花 百度在网页入口中嵌入了 AI 搜索功能，能够集成图文、视频等信息、直接展示相关内容 4.生态竞争格局ChatGPT 目前拥有全球领先的市场份额（约 86%），但 DeepSeek 在中国市场的快速崛起，也被人看到它的潜力，它甚至一度登顶美国 iOS 应用商店的下载榜。
2.9K10编辑于 2025-07-08 AI搜索引用机制的数据分析：4个品牌被AI推荐的案例拆解
AI引擎不是靠关系选信源的，而是靠一套包含权威性、内容可引用度和时效性的评估机制。我花了4个月时间做测试，跑了十几篇文章，拆了12个AI高频引用的品牌案例，整理出一套数据规律。 本文不讲理论，不讲方法论，只基于真实测试数据，拆解4个AI高频引用的品牌案例，分析它们获得推荐的数据逻辑。 4个AI高频引用的品牌案例知乎：结构化优势驱动的高引用率Kimi和豆包在回答中文问题时，顶部来源栏经常出现「来源：知乎」。 这与搜索引擎的逻辑不同——搜索引擎看链接权重，AI引擎看的是「这个内容值不值得信任」。上海某律所：中小品牌优化实战数据上海某律所选了「上海强制执行律师推荐」等核心问题做AI搜索引用优化试点。 AI引擎看的不是「别人怎么链接你」，而是「你值不值得信任」。AI搜索引用优化的4个技术步骤第一步，诊断当前AI引用状态。
28700编辑于 2026-07-23新场景 AI搜索 实战：8 个 AI 搜索新场景怎么布局？
这个数据直接说明一件事：AI搜索引擎不是一个大池子，是多个引用偏好完全不同的信息通道。本文基于对8个AI搜索场景的引用源实测，拆解不同平台的内容抓取逻辑，以及技术内容如何通过平台适配提升被引概率。 背景：AI搜索的引用链路与传统搜索的本质差异传统搜索引擎返回的是链接列表，优化目标是在列表中排到更靠前的位置。AI搜索返回的是合成答案，优化目标变成了在答案中被引用、被当作可信信息源。 8个场景的引用源分布实测AI搜索目前可以拆分为8个典型场景：通用问答（豆包、DeepSeek的日常提问）、专业垂询（秘塔这类学术向搜索）、本地生活、购物决策、编程开发、健康咨询、投资理财、学术研究。 在编程开发场景中，用DeepSeek搜索「Python异步编程最佳实践」，20条引用里CSDN占7条、掘金占4条、知乎占3条、腾讯云开发者社区占2条，其余4条分散在个人博客和StackOverflow中文镜像 这4个锚点被分别发布在掘金、SegmentFault、腾讯云和知乎后，AI引擎在回答相关问题时，有38%的概率至少引用其中1个锚点，而发布完整长文的对照组引用概率仅为12%。
27910编辑于 2026-08-13- 来自专栏ACM算法日常
搜索专题4 | 旋转棋盘 POJ - 2286
只有一种有效操作，那就是旋转4条线中的一条，每条线有7个格子。旋转操作其实是将6个格子往对应方向移动一格，而最前面的格子会移动到末尾。这样有8种移动方式，每种方式标记为A-H。 IDA*算法则是DFS+迭代加深搜索+估值函数，迭代加深比较容易理解，也就是在搜索过程中记录搜索的深度，如果超过深度就不继续搜索。注意DFS算法基本上都是需要进行回溯还原现场处理的。 比如本题中的旋转操作，每一次旋转，在搜索完成时都会还原这个旋转操作。估值函数在DFS中往往用于剪枝操作，本题中将剩余数字作为估值函数，判断是否需要继续搜索。 0, 2, 6, 11, 15, 20, 22, // A 1, 3, 8, 12, 17, 21, 23, // B 10, 9, 8, 7, 6, 5, 4, , 8, 3, 1, // E 22, 20, 15, 11, 6, 2, 0, // F 13, 14, 15, 16, 17, 18, 19, // G 4,
56110发布于 2019-09-10 AI搜索的信任判断机制：4个关键信号拆解与落地方法
在做AI搜索内容优化的团队，最常遇到的问题之一就是：内容质量不差，关键词也覆盖了，为什么AI就是不引用？我花了4个月时间，写了十几篇文章，一直在观察同一个现象。 AI搜索的信任判断和GoogleEEAT，判断标准完全不同我观察了4个月，拆了十几篇AI引擎引用的文章，发现一个关键问题。多数人还在拿GoogleEEAT的标准做AI搜索的信任优化。方向错了。 这三个来源，对应了AI搜索判断信任的4个具体信号。信号一：可验证的引用来源AI搜索的首要信任信号，是你的内容有没有可验证的信息来源。 答案是：AI搜索的信任判断不需要大品牌背书。回顾一下AI搜索的4个信任信号。可验证的引用来源：大品牌可以用自己的品牌名背书，小品牌可以用权威来源背书。你不需要自己是专家，只需要引用专家的话。 不需要大品牌背书，不需要资深专家认证，只需要把4个信号做到位。从可验证的引用开始，到结构化的内容组织，再到一致性的信息框架和持续的时效更新，每补一个信号，AI搜索引用内容的概率就提升一个台阶。
29210编辑于 2026-07-25- 来自专栏Web_xy
AI搜索引擎
通过与 ChatGPT 发明者 OpenAI 合作，微软给自己的搜索引擎加入了先进的 AI 对话模型，以支持全新版本的必应（Bing）和 Edge。 我本来也想试试，但是现在公测版还未发行，且内测版被各大头条垄断，只能先看看谍照了hh ---- 基于AI的搜索引擎 新模式的搜索引擎 ---- 我们能看到，新必应搜索的其中一种模式将传统搜索结果与 ---- 「人工智能将从根本上改变各类软件，首先就从最大的类别 —— 搜索引擎开始。今天，我们推出了由 AI 加持的必应和 Edge，以帮助人们从搜索和网络中获取更多信息。」 实时对话 ---- 用 AI 重塑搜索 微软宣布，新的必应体验是四项技术突破的结晶： 下一代 OpenAI 模型。 将人工智能应用于核心搜索算法。我们还将 AI 模型应用于我们的核心必应搜索排名引擎，从而实现了二十年来相关性的最大跃升。有了这个 AI 模型，即使是基本的搜索查询也更加准确和相关。 新的用户体验。
1.9K20编辑于 2023-02-23 - 来自专栏做数据的二号姬
认真聊AI | 搜索技术
原创内容 No.704 认真聊AI | 搜索技术 书接上回，本期AI的内容到了搜索技术~ 图片由海艺AI绘制 提到搜索技术就不得不提到搜索问题。 搜索解决方案：使用广度优先搜索（BFS）或深度优先搜索（DFS）找到从初始状态到目标状态的路径。 剪枝条件：在搜索过程中，如果发现某个状态已经搜索过了，或者某个状态不符合问题的约束条件，就可以将其从搜索路径中剔除，以避免无效搜索。 这种解决问题的方法也就是搜索技术。 我们在实际执行的时候，为了提高搜索的速度，图搜索并不是先生成所有的状态连接图再进行搜索的，而是边搜索边生成图，一旦找到了合适的答案搜索就停止了。 在搜索的过程中引入启发信息，减少搜索范围，以便更快地找到问题的解，这种搜索策略称为启发式搜索。 A算法和A*算法是常用的两种启发式搜索算法，我们首先介绍一下A算法。
67910编辑于 2024-11-26 AI会消灭搜索吗？
徐一平 腾讯研究院高级研究员一边是谷歌Gemini 3高调入局，AI独角兽争相涌入，将AI搜索视为最钟爱的赛道；另一边却是马斯克“AI将消灭搜索”的惊人断言。 当前的AI搜索早已超越纯文本的束缚，全面支持语音、图像乃至视频的输入与输出。这一技术演进极大地拓宽了搜索引擎的应用疆域，使其影响力从传统网页端，向移动设备乃至各类AI硬件终端无缝渗透。 当时谷歌AI Overview给出了用胶水粘住披萨的错误答案。路线二——破局原生：AI原生搜索引擎颠覆式重构该路线的代表是是以Perplexity、OpenAI为代表的AI原生搜索引擎。 中游：营销范式向夺取AI心智转移传统数字营销的核心方法论——搜索引擎优化（SEO），其底层逻辑正因AI搜索的出现而面临结构性调整。过去，优化的核心是提升特定页面在搜索结果列表中的排名。 以AI搜索为代表的信息服务正在翻开新的一页。
76610编辑于 2025-12-10- 来自专栏机器学习
AI 文档搜索系统：基于 LangChain + FAISS 的智能搜索
LangChain 和 FAISS（Facebook AI Similarity Search） 构建一个 AI 文档搜索系统。 原理解析2.1 传统搜索 VS AI 搜索传统文档搜索依赖于 全文搜索（Full-text Search） 或 基于关键词的索引。 例如： 传统搜索： 用户查询 "公司财务情况" 搜索引擎返回所有包含 "公司"、"财务"、"情况" 的文档 无法识别 "盈利情况"、"年度财报" 这些相关内容 AI 语义搜索： 使用 向量化索引 4. 总结本教程介绍了 AI 文档搜索系统 的原理、核心技术，并提供了完整的代码示例。通过 LangChain 解析文档，FAISS 进行语义索引，嵌入模型向量化文本，实现高效、精准的 AI 文档搜索。
2.3K01编辑于 2025-03-30 - 来自专栏罗超频道
AI与搜索的双螺旋：取之于搜索，用之于搜索
近十年来，AI与搜索结合得愈发紧密，AI从搜索获取数据和反馈不断进化，反过来也在大幅提升搜索的智能化水准，两者形成类似于DNA的“双螺旋”结构，可谓取之于搜索也用之于搜索。 何俊杰说“搜索已经成为AI规模最大的应用场景”，这可能在一些人的意料之外，但在罗超频道看来却是情理之中。一直以来，搜索都是AI最核心的练兵场。AI技术生于实验室，但却发展于搜索。 AI率先在搜索引擎场景大规模商用并不让人意外。 第一，AI与搜索都具备“数据驱动”的本质。 2、百度深耕AI 10余年，练就了一身AI真功夫。 百度2010年成立多个AI相关团队的目的均是为了改进搜索，可以说百度是最早做AI+搜索场景的。 百度早已从搜索引擎升级成AI公司，但这并不意味着百度不做搜索了，相反，百度是真的将“AI+搜索”这件事给做透了，搜索与AI形成了很强的协同效应，两者都受益。
1.2K30编辑于 2022-12-14 Doris 4.x AI：一站式搞定文本向量搜索+智能分析！
★注意：组件越多，复杂度就会越高～ Apache Doris 4.x 的 AI 能力，从底层把全文检索、向量搜索和 AI 函数原生集成到同一个实时分析引擎中，让你在一个系统里完成“结构化分析 + 文本搜索 在 Doris 4.x 之前，企业处理“结构化 + 非结构化数据”的 AI 需求时，普遍面临三大痛点： 架构复杂 典型方案往往是：数仓（如 Doris/Hive）+ 向量库 + 搜索引擎 + AI 引擎 二、核心 AI 能力：文本搜索、向量搜索、AI 函数 Doris 4.x 的 AI 能力主要围绕三大模块展开：文本搜索、向量搜索、AI 函数，全部通过 SQL 原生调用。 1. AI 函数：在 SQL 中直接调用外部大模型 Doris 4.x 内置一组 AI 函数，允许在 SQL 中直接调用外部 LLM 服务（如 OpenAI、Anthropic、Gemini、DeepSeek 4.x AI 能力相对传统多系统方案的优势如下： 一体化引擎，减少系统拼装 在一个 Doris 集群中同时完成结构化分析、全文检索、向量搜索和 AI 函数调用； 不再必须额外部署独立的向量库和搜索引擎
1.1K10编辑于 2026-01-27AI搜索竞品对标：如何科学评估与选择AI搜索优化方案
在AI搜索快速发展的今天，企业如何选择适合自身的AI搜索优化（GEO）方案？ 本文迪普智见（DeepIntelli）从工程实现角度，系统梳理AI搜索优化的技术对标方法，帮助技术决策者穿透营销话术，建立科学的评估框架。 一、核心工程问题：AI搜索可见度的量化评估传统SEO通过关键词排名、点击率等指标评估效果，而AI搜索的回答生成机制要求完全不同的评估体系。 工程实现需解决三个关键约束：多引擎适配性：需同时优化豆包、文心一言、Qwen等不同AI模型的引用逻辑结构化数据依赖：AI搜索更依赖Schema.org等标准标记的数据实体动态内容捕捉：需建立实时监测机制跟踪 ：要求供应商提供跨引擎的实体识别测试报告关注动态优化能力：考察其知识图谱更新频率和算法迭代机制评估安全合规性：确保数据处理符合《生成式AI服务管理办法》要求技术决策者提示：真正的AI搜索优化需要持续的技术投入
15400编辑于 2026-08-14农业农产品 AI搜索：农产品品牌怎么被 AI 搜索发现？
2026年5月，我在豆包上搜索了4个行业核心提问词，抓回45条引用源。国内中文平台占71%，其中CSDN一家吃掉34%，今日头条16%，搜狐9%。 这个数据说明一个问题：AI搜索引擎的答案来源高度集中在少数几个内容平台，而不是品牌官网。如果你做农产品，想让AI搜索里出现你的品牌，方向需要重新审视。 背景：AI搜索引擎的引用链路很多人以为AI搜索像传统搜索引擎一样直接爬取官网。实测结果并非如此。AI引擎的引用链路是：内容发布→平台推荐→平台权重上涨→AI爬虫高频抓取→被引用进答案。 以农产品行业为例，假设你搜索“有机茶叶品牌怎么选”“农产品溯源系统哪家好”“冷库保鲜技术参数”“农产品电商平台对比”这四个提问词，豆包返回的引用源里如果CSDN出现14次、头条出现7次、搜狐出现4次，而 这四件事做扎实了，AI搜索里出现你的品牌只是时间问题。
22910编辑于 2026-08-18- 来自专栏算法一只狗
AI 时代：它正在改变搜索，但远未取代搜索
现在真的太依赖于AI助手去回答问题了。AI助手如 ChatGPT、DeepSeek 等确实正在 改变人们的信息获取方式，但还远没有全面取代传统搜索引擎。 根据一份覆盖 2023 年 4 月至 2025 年 3 月的研究数据，AI聊天助手的流量确实快速增长（同比 +80.9%，达到 552 亿次访问），但搜索引擎的总流量仍高达 1.86 万亿次，同比仅略降 这些挑战凸显了 AI 代理与传统搜索引擎之间的差异。AI 搜索代理代表了我们与在线信息交互方式的重大转变。 从最初的“搜索 + 阅读 + 总结”，到如今可以直接对话式获取整合答案、代码框架和应用方案，对于算法工程师、程序员、内容创作者，AI 已成为不可或缺的辅助工具。 未来 AI 助手是否能够取代搜索引擎，尚且无法定论，但可以确定的是——善用 AI 的人，正在取代不会用 AI 的人。
58110编辑于 2025-07-04 - 来自专栏周末程序猿
ChatGPT|AI搜索（Tiny Search）上线
1、简介 AI搜索（Tiny Search）是类似Perplexity AI，实现会话搜索引擎，通过将搜索的内容聚合，然后通过AI进行整合从而提升搜索效率，之前贾扬清也开源了Perplexity的源码， disabled: false 2.2、定义Prompt Prompt是AI搜索的核心，定义了AI搜索的意图，包括两个部分： 通用的RAG的Prompt，是针对返回的内容，让LLM如何进行总结 （页面上的"AI回答"）。 可以看看 search_with_lepton 开源项目的如何实现的，这里定义了通用的Prompt： You are a large language AI assistant built by Lepton AI.
40100编辑于 2025-02-27 AI搜索引用率翻4倍：从7%到23%的团队数据优化实录
如果你现在还在让一个人兼职管这事、凭感觉投喂内容、用写SEO的思路做AI搜索优化，那AI答案里永远不会有你的名字。核心思路AI搜索优化的对象不是搜索引擎排名，而是大模型生成答案时的引用概率。 阶段时间该看什么别碰什么基建期第1-4周品牌被引用率、实体覆盖率关键词排名、流量预估加速期第4-8周引用来源数量、答案一致率堆砌长文、批量发布稳定期第8周起引用率环比、转化路径只追热点、忽视数据复盘认清战场 后来我们把重心转向「劳动仲裁流程」「公司裁员赔偿标准」这类场景词，三个月内被AI引用的次数翻了4倍，而品牌词的自然引用也连带涨了60%。 不要一稿多发，更不要为了AI搜索优化批量化改写旧内容。 AI搜索优化的循环链路是「数据→洞察→内容→技术→数据」，这中间跨越了至少三个职能角色。据Gartner预测，到2026年传统搜索引擎流量将下降25%，AI聊天机器人将成为新的流量入口。
16710编辑于 2026-08-22- 来自专栏机器学习入门
挑战程序竞赛系列（4）：2.1深度优先搜索
https://blog.csdn.net/u014688145/article/details/71512925 2.1 深度优先搜索 详细代码可以fork下Github上leetcode AOJ 0033: Ball 4. POJ 3009: Curling 2.0 POJ 1979: Red and Black 水题，直接深度优先搜索即可，代码如下： public class SolutionDay09_P1979 { 思路： DFS穷尽搜索，从起点开始，向四个方向探索，碰到block时，回到上一步，且删除block。 如果不幸，在某个方向后达到终点的步数超过了最小规定的步数，那么剪枝，并且在一步步返回时，进行现场还原，重新让删除的block，变回block，且换个方向继续搜索。
71430发布于 2019-05-26
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号