模型好选,搜索难做:一个投研 Agent 的两年开发历程
摘要
这是一篇关于投研 Agent 两年开发历程的实践复盘,核心判断是:模型选型已不再是门槛,真正决定产品成败的是搜索(检索)能力的工程化建设。
核心要点
- 文章把 Agent 的能力拆成“模型层”和“检索层”,认为前者已高度商品化,后者才是投入产出比最低、最难啃的部分
- 投研场景对信息的时效性、准确性与可追溯性要求极高,检索召回的质量直接决定最终答案是否可用
- 搜索难做不是单点算法问题,而是数据源接入、内容清洗、召回排序、更新频率与出处核验等一整套工程链路
- 从“两年开发历程”这一时间跨度看,检索能力的积累是持续迭代而非一次性搭建,难以靠换模型快速补齐
- 对同类团队的方法论启示:应尽早把资源从模型对比试验转向数据与检索基础设施的长期建设
AI 洞察
当模型能力被快速商品化、可随时替换时,Agent 产品的竞争壁垒正从“用了什么模型”转移到“数据与检索基础设施有多厚”。对投研、法律、医疗等专业场景而言,可追溯的高质量信息链路本身就是护城河,且需要以年为单位积累,难以被短期复制。这也意味着 Agent 团队的招聘与投入重心会从算法调优转向数据工程与检索系统建设。