搜索流量正在萎缩，网络围绕智能体重建

9 月 29 日，IEEE Spectrum 的计算栏目刊登了 Ralph Earle 的一首诗。他曾是 IBM 的高级软件工程师，诗写的是如何把「枯燥而无情的代码」翻译成用户界面。这是大转变中的一个小注脚：界面如今是钱流动的地方，而且界面越来越多地给出答案，而不是把用户引向外部链接。

支撑这一转变的数字在同一周出现。美国国家经济研究局 2026 年 9 月发布的一份工作论文估计，从 2022 年 11 月到 2025 年 12 月，AI 把市场对软件工程生产率的预期现值提高了相当于永久性 32.6% 的增益，对应的 GDP 效应在基准情形下为 3.6%，当软件工程生产率的提高也带动研发生产率时则为 6.5%。作者 Alex Blumenfeld、Jonathon Hazell、Chen Lian 和 Andreas Schaab 补充说，到 2026 年年中，在编码智能体快速进步的背景下，这一效应相对于 2025 年底已经翻了一倍多。这是宏观数字，不是媒体行业的数字，但它描述的正是流入那些如今横在用户与内容之间的系统的资本。

全文搜索仍然管用，但它已经无法把活干完

Manticore Search 在其博客上发了一篇长文，解释为什么关键词搜索没有坏掉，以及为什么这还不够。该公司引用谷歌自己在 2026 年 5 月的披露，称 AI Mode 月活用户突破 1000，并认为像「我需要一双黑色防水跑鞋，用于在湿滑路面上日常跑步」这样的查询包含好几项任务：提取约束条件、理解意图、核对价格和库存，然后解释各选项之间的差别。Manticore 给出的答案是混合方案：通过结果排序把全文搜索和向量搜索结合起来，再让语言模型在上面生成答案。它在一个叫 ConvApparel 的对话数据集上做了测试，该数据集清洗后包含 82524 件商品，覆盖鞋类、裤装、上装和外衣，并搭了一个叫 Manticore Apparel Shop 的演示。文章明确点出了风险：如果系统说某款适合雨天，用户应该能打开商品页面，核实这一说法的来源。这最后一句话，是基础设施厂商替出版方说出的难题。

Meta 的购物智能体如何决定展示什么

9 月 28 日，一位署名 Kalan 的研究者在 caeliai.com 上发表了对 Meta 新 AI 智能体 Muse 的逆向工程研究。Muse 于 2026 年 9 月初上线，按文中引用的 Apptopia 统计，头 12 天全球安装量突破 280万，美国日活约 642000，比 ChatGPT 早期移动端发布还快。这项研究对检索层的描述异常具体。Kalan 报告说，他找到了位于 /opt/hatch/bin/meta-catalog-search 的商品目录程序，一个受保护的 worker socket 位于 /run/hatch/privsep/meta-catalog-search.sock，购物指令在一个叫 shopping-SKILL.md 的文件里，每件商品还带一个 ranking_score。在文中描述的购物任务里，Muse 返回 40 到 71 件带分数的商品，用浏览器在零售商自己的网站上核对，最后向用户展示两到三张卡片。

Kalan 还指出，原始目录结果里包含指向 Meta 内网的内部调试链接，而 9 月 28 日打开的那一个链接，只显示出 Meta 的内部登录页。

我没有 Meta 的登录账号，所以我手上只有地址，看不到地址背后是什么。

文章坦承，这个解码器是为了在不运行程序的情况下读取一个 11.7 MB 的 Rust 编译程序而写的，实验每次只改一个变量，并重复了三次。把它当作一位研究者的个人陈述，而不是 Meta 的官方披露。Meta 自己在 2026 年 9 月 8 日发布、并被文章引用的说明称，每个用户的 Muse 都运行在一台专用虚拟机中各自隔离的区域里，配有浏览器、工作文件夹、命令行工具、技能和辅助智能体，内置连接器则在各自受保护的 worker 中运行。

商业含义很直接。如果购物智能体返回 40 到 71 个候选，只展示两到三个，那么排序函数就决定了谁能被看见。出版方和商家都控制不了它。

搜索评估依然很难，而这关系到下游所有人

Doug Turnbull 那篇被广泛阅读的关于 LLM 作为评判者的评估文章，9 月 28 日在他的博客上重新发布，对任何以为这些排序已经尘埃落定的人来说是一剂清醒药。他在 WANDS 家具数据集上测试成对相关性，发现强制二选一的左右判断在 1000 对数据上，在 100% 召回率下精确率为 75.08%。允许模型回答「两者都不是」后，精确率升到 85.38%，但召回率降到 17.10%。他的修正办法简单，值得重复：把商品对调再问同一个问题，只有模型两个方向都一致时才接受结论。这类方法细节，很少能在产品发布公告里活下来。

差不多同一时间，MongoDB 于 9 月 29 日发布了 MongoDB 9.0、Atlas Infinite 和 Atlas Agent Engine，同一天公司博客上还有一篇临时 CEO 的说明。这家厂商称，Atlas Agent Engine 为生产环境中的智能体提供记忆、运行时和治理，对任何模型或框架开放，构建在若干标准之上，包括用于工具的 Model Context Protocol、用于智能体之间委派的 A2A，以及用于追踪的 OpenTelemetry。公司表示，定价针对公开预览，可能变动。

另外两篇 9 月 29 日的文章补齐了管道部分。Unblocked 公布了一个自适应路由器的细节，它把 LLM 流量在 Baseten、Fireworks 和 CoreWeave 之间调度，三家都提供 GLM 5.2。公司写道，在轮询模式下，Fireworks 承担了 51% 的任务，Baseten 承担 49%，尽管 Fireworks 的价格高出 25%，Baseten 还更快；在固定顺序下，Baseten 承担了 98.5%。CoreWeave 的标价比 Baseten 低约 45%。Loro 则发表了一个论点，认为仅靠 CRDT 不足以实现本地优先同步，文中描述了一个案例：会话索引同步了，消息正文却没有，用户盯着一条通知，后面什么都没有。

读者本该从哪里来

这些都不能证明搜索推荐流量会崩塌。它确实显示出投资正在流向哪里。NBER 那篇论文是市场隐含的度量，不是对产出的实测，作者们也是这么呈现的。Manticore 和 MongoDB 的文章是厂商论证。Muse 那项研究是一位独立研究者的个人陈述，并明确说明他无法访问 Meta 的内部系统。

对出版方来说，实际的解读要窄得多。答案层正由一批公司搭建，它们的动机是解决查询，而不是把读者导流出去。如果购物智能体背后的商品目录被打分、过滤，最后渲染成两到三张卡片，那么过去从搜索结果页来的流量不会一下子消失。它会一个查询一个查询地被吸走。