随着大模型能力的不断跃升，AI 行业的竞争正在向模型之外的底层能力延伸。在 Agent 从个人助手走向生产环境的过程中，搜索、工具调用等底层能力正成为关键支撑。然而，现有的搜索产品大多仍按照人类的使用习惯设计，Agent 时代亟需一套全新的信息获取基础设施。

7 月 13 日，由中国团队研发的 AI 搜索基础设施 AnySearch 登顶 Product Hunt 周榜。这也是过去一年来，搜索类产品首次在 Agent 和大模型的轮番统治中成功突围。

Agent 搜索的痛点：单点插件已无法满足生产级需求

过去一年，Agent 生态中涌现了大量基于 Skills、MCP 等协议的工具插件，开发者借此快速为 Agent 接入网页浏览、代码执行等能力。但随着工具数量增加，API Key 管理、数据格式适配、调用链路维护等成本迅速上升，Token 消耗也随之水涨船高。

对于 Agent 而言，搜索的痛点更为明显。与人类主动浏览、筛选和验证网页不同，Agent 会在短时间内接收大量搜索结果，并直接用于后续推理和执行。现有搜索工具很难通过一次查询满足复杂意图和跨领域的信息需求，未经处理的信息不仅会占用大量上下文，来源单一、信息密度低或时效性差的内容也会直接影响最终的任务结果。

Agent 需要的不是更多网页链接，而是实时、准确、来源可追溯的结构化信息。插件能解决单点问题，但生产级 Agent 需要稳定、统一且可持续扩展的底层能力。

AnySearch 的解法：重构数据、架构与算法

AnySearch将自己定位为面向 AI 的可信搜索基础设施，正是为解决这一痛点而生。开发者可以通过 Skill、MCP 和 API，将其接入各类 Agent、AI 工作流及企业系统。

在技术实现上，AnySearch 从数据、架构和算法三个层面重构了搜索流程：

· 数据体系：覆盖通用数据以及金融、法律、学术、安全、代码、企业等 20 多个垂直领域专业数据，为跨领域搜索提供底层数据支撑。

· 意图理解与路由：接到任务指令后，AnySearch 会先协助 Agent 理解任务意图，再将搜索请求精准路由至对应垂域数据源。

· 结构化交付：经过多源检索、交叉过滤、混合排序和结构化整合，最终将带有来源标注的 Markdown 结果直接交付给 Agent。

相比由 Agent 自行抓取和拼接信息，这种处理方式能有效减少搜索环节的无效调用，为后续推理和执行提供更可靠的输入。

从开发者社区走向全球市场

AnySearch 最早通过 anysearch-skill 在 GitHub、ClawHub 等开发者社区传播，上线一周即登上 Skills.sh 热榜。该产品于 5 月 11 日正式上线，首月便吸引超过 10 万名开发者，GitHub Star 数突破 4,000，用户覆盖亚太、北美和欧洲地区。

此次登顶 Product Hunt 周榜，进一步扩大了其在海外开发者群体中的影响力。目前，AnySearch 面向个人开发者免费，注册用户可获得每日 1000 次的免费搜索调用额度。当 AI 竞争从模型层延伸至基础设施层，AnySearch 的登顶不仅是一款产品的突围，更标志着一个新赛道的开启，也为中国团队参与全球 AI 基础设施竞争提供了一个值得关注的样本。

文章纠错