大模型联网搜索技术，为企业智能体提供实时信息源，提升决策效率。本教程将带你深入理解联网搜索的定义、业务流程、实际应用场景以及如何在toB智能体中落地实现，帮助你快速掌握这项关键能力。

一、什么是大模型的联网搜索能力

首先，大模型本身并不具备联网搜索的属性。其联网搜索能力，是指通过实时互联网搜索获取最新信息，从而生成更准确、合理的回答。

这一能力主要解决大模型预训练知识库因时效性限制而导致的实时知识滞后问题。联网搜索本质上是一种辅助工具，它帮助大模型获取实时信息并将其与提问作为输入，进而结合这些信息生成更精准的回复。

大模型联网搜索的业务流程

• 用户提问：用户向大模型提出问题，模型首先判断该问题是否需要联网搜索来获取最新信息。
• 调用搜索API：如果需要联网搜索，模型会调用搜索引擎的API，将问题中的关键词作为搜索参数发送给搜索引擎。
• 解析搜索结果：搜索引擎返回搜索结果后，模型会解析这些结果，从中提取出与问题最相关的文本内容，进行相似度排序。
• 生成最终回答：将重排结果内容作为问答的上下文，结合问题再次与大模型交互，由模型进行内容生成和聚合，最终生成并返回准确、自然的答案。

▲大模型联网搜索业务流程

日常生活中如：天气查询、新闻资讯查询、商品价格查询等场景，因受实时因素影响较大，仅凭大模型知识库难以准确回答，此时就需要借助联网搜索这一外部工具。

▲联网搜索的常用场景

二、联网搜索能力在toB软件中的应用场景

在销售员的日常客户管理跟进场景中，了解企业客户的最新动态至关重要。这些动态包括工商信息的变更、新闻舆情的走向等，它们直接影响到销售策略的调整和跟进计划的制定。

去年，笔者所在团队推出了一款名为【商机助手】的智能体，主要帮助用户更高效地获取企业客户的工商信息。

用户可以通过聊天的方式向【商机助手】提出问题，智能体会通过本地知识库的RAG技术，召回与提问相似度高的工商信息，并将这些片段传入大模型进行整合和生成，最终为用户提供精准的回复。

▲【商机助手】过去的业务方案

在落地过程中，我们发现了一个问题：由于本地知识库通常以结构化形式存储数据，通过RAG召回的内容也呈现出结构化特征。这导致智能体的回答显得十分生硬，整体表现更像是一个简单的知识检索工具，而非真正的智能助手。例如：

• 当用户查询“某家企业的产品是什么”时，RAG召回的内容可能仅仅是产品的具体名字。然而，用户需要得到的不仅仅是产品名字，还期望能附上与产品相关的简单介绍和最新动态。这种情况下，智能体的回答无法满足用户对信息丰富度和深度的需求，用户体验大打折扣。
• 其次，在对知识时效性要求更高的新闻舆情查询场景中，大模型是无法给出实时回答。例如：当询问大模型“小米汽车最新款是哪一个？”时，由于大模型的预训练知识库存在时效性滞后问题，它无法提供最新的准确信息，从而无法满足用户对实时性知识查询的需求。

▲非联网查询企业信息

针对以上两个场景，为了给用户带来更好的产品使用体验，此时就需要借助联网搜索的能力。

三、实现思路

也许大家会疑问，用户完全可以使用具备联网搜索能力的通用大模型来查询企业工商信息和新闻舆情，为【商机助手】智能体赋予联网搜索的价值在哪里呢？

这是由于企业信息查询并非用户在这个场景下的最终诉求。用户查询企业信息的本质是需要根据最新信息来动态制定针对性的跟进策略。因此，在智能体回复内容后，能够自动关联CRM系统中的具体客户资料卡，并且支持连接联系（拨打电话、发信息）、跟进（制定待办任务、打标签）等功能操作，更有利于确保整个企业信息查询业务的完整性和连贯性。

那么，联网搜索的能力是否为自研呢？

答案是否定的。目前，许多模型云厂商已经开放了一系列丰富的组件能力，例如 AI 实时搜索、图像内容理解、文生图等。作为AI业务应用方，我们可以通过集成这些工具，让智能体变得更加强大。

▲某模型云厂商支持的工具接口

最终【商机助手】的优化方案如下：

• 企业名称提取：当用户提出问题时，首先利用大模型从问题中提取出企业名称。
• 企业名称匹配：由于用户在提问中提到的企业名称通常为简称。为了避免因名称不完整或不准确而导致的查询错误，接下来需要进行业务检索（关键词+相似度检索），将提取出的简称与系统中存储的企业信息进行匹配，精准定位到用户提问中所指的具体企业。
• 联网搜索能力判断：大模型根据用户提问的内容，判断是否需要调用联网搜索的能力。如果需要，围绕用户提问通过联网搜索获取最新的企业相关信息（如工商信息变更、新闻舆情等），确保回答的时效性和准确性。
• 信息关联与业务操作：结合大模型返回的内容，自动关联CRM中的客户资料卡。在此基础上，为用户提供一系列针对性的业务操作，比如：
  • 当用户未入库时，提供“入库客户”、“联系客户”等操作。
  • 当用户为本人跟进时，提供“查看客户详情”、“制定待办任务”、“打标签”等操作。
  • 当用户非本人跟进时，提供“请求共享”操作。

▲接入联网搜索后智能体演示

通过以上方案，用户在使用【商机助手】智能体的过程中，不仅能够快速获取所需信息，还能直接在业务流程中进行客户跟进，实现企业信息查询与销售跟进的无缝衔接，提升工作效率。

四、一些延伸

在以上场景中，主动询问智能体的方式仍然存在一定的局限性，毕竟用户通常无法实时知晓企业信息何时会发生变更。

为了更好地满足用户需求，我们可以引入“推”的方式，比方说：系统主动监测到企业关键信息发生变更（如：法人变更、经营范围调整又或者重大新闻报道、负面舆情等）后推送给用户，让用户在第一时间掌握企业客户的最新动态，从而更好地制定针对性的跟进策略。

▲“推”的方式（演示图）

五、常见问题与解答

问题1：大模型联网搜索和RAG（检索增强生成）有什么区别？

答案：RAG通常从本地知识库（如公司内部文档、数据库）中检索信息，适合处理内部私有数据；而联网搜索是从公开互联网获取实时信息，适合处理时效性强的外部数据。两者可以结合使用，例如先用RAG检索内部知识，再用联网搜索补充最新动态。

问题2：集成联网搜索是否需要自研搜索引擎？

答案：不需要。目前主流模型云厂商（如阿里云、百度云、腾讯云等）都提供了“AI实时搜索”等工具接口，开发者只需按照API文档调用即可，无需自研搜索引擎。这样可以大幅降低开发成本，并保证搜索结果的稳定性与准确性。

问题3：联网搜索会带来数据安全风险吗？

答案：会，需注意以下几点：避免将敏感业务数据（如客户合同、内部价格）作为搜索词发送到公网。建议在搜索前进行脱敏处理，或使用企业级搜索服务（如企业自有搜索引擎、私有化部署的搜索组件）来保护数据隐私。

六、小提示

小提示1：在设计智能体时，建议先判断用户问题是否需要联网搜索，避免每次都调用外部API，既能节省成本，也能提升响应速度。可以通过提示词（Prompt）让大模型自行决策。

小提示2：如果用户提问中涉及企业简称，务必先进行名称归一化匹配（如通过相似度检索），否则联网搜索可能返回错误的企业信息。

小提示3：联网搜索返回的结果可能包含广告或不准确信息，建议对搜索结果进行二次过滤和排序（如基于来源权威性、时间远近等），再交给大模型生成回答。

小提示4：在toB场景中，联网搜索不仅是信息获取工具，更是业务流程的触发器。将搜索结果关联到CRM、工单系统等业务模块，能让智能体发挥更大价值。