再見，搜索框。你好，聊天框。

我從沒想過，2025 年最大的用戶習慣改變，竟然會是我們對於 Google 這類傳統搜索引擎的依賴，從過去近乎百分之百的信息壟斷，驟降到幾乎可以忽略不計。

這不是空穴來風。我觀察到，越來越多的人獲取信息的首選，已經從"搜索"變成了"問 AI"。

說實話，我自己是後知後覺的。直到最近，我看到 Stripe 的創始人 Collison 兄弟採訪獨立開發者 Peter Levels，才被點醒。Peter 提到，他個人博客的流量來源，在短短一個多月內，來自 ChatGPT 的佔比從 5% 暴增到 20%。這個數字，非常誇張。

這徹底顛覆了我過去的認知。我一直以為，就算用戶通過 AI 得到答案，大概也懶得點進來源鏈接一探究竟——至少，我自己多數時候是這樣，除非對來源真的特別好奇。

這件事也讓我開始反思，其實我自己也越來越依賴 AI，甚至有時會不自覺地全盤接受它的建議。大概在今年五月，我想更換我的汽車牌照。聽說有個私營的"阿爾伯塔摩托協會"（AMA）能換到更好的車牌，我便打算去那裡辦理。我為什麼會覺得一個私營機構有義務為我服務呢？因為我問了 AI，它告訴我：這屬於公共服務，所有掛牌的私營部門都必須受理。結果，我到了現場，理所當然地被拒絕了。

這雖然是個小插曲，卻反映了一個巨大的趨勢。連 Google 自己都不得不面對這個現實——最近他們緊急推出 AI 搜索模式，正是因為其傳統搜索業務的下滑程度，已經到了無法忽視的地步。

這背後，其實反映了傳統搜索模式與 AI 聊天模式的根本區別。

OpenAI 的聯合創始人 Greg Brockman 的故事就是一個絕佳的例子。他過去是 Stripe 的技術長（CTO），一個頂尖的技術專家，但為了創辦 OpenAI，他也是從零開始學習 AI。在一段訪談中他提到，早期他用 AI 時，會特別注重隱私，甚至開無痕模式，不想讓 AI 或 Google 知道太多他的個人信息。

但隨著 AI 的發展，他發現，當 AI 對他有越多瞭解——例如，長期使用同一個 ChatGPT 賬號後，AI 掌握了他的個人背景、思考模式和偏好——AI 的回答就越精準、越好用。這正是現在許多人覺得 ChatGPT 的"記憶功能"體驗絕佳的原因。

"上下文（Context）"——這就是傳統搜索與 AI 聊天的最大分野。

這個挑戰，其實和我們平時解決問題時遇到的困境如出一轍。很多人提問時，往往只拋出一個大問題，缺乏足夠的上下文。我們當然可以嘗試回答，但一個真正有價值的答案，可能需要我們先反問你十個、甚至一百個問題，來補足必要的背景信息。

舉個例子：

• 當你問一個關於編程的問題時，我需要知道你的編程基礎：是完全沒寫過？學過但忘了？還是偶爾會用？這三種情況下的回答，截然不同。
• 當你講"用 AI 做某件事遇到問題"，我會想追問：你用的是哪個 AI 工具？版本號多少？最重要的，"參數"（比如 reasoning efforts）是怎麼設置的？

要完美解決一個問題，我們需要的上下文，可能長達數千字。

說了這麼多，我想給出兩個具體的建議：

1. 提供"過量"的上下文： 無論是問 AI 還是問真人，請養成習慣，儘可能提供豐富的背景信息。過去的 Google 搜索框無法處理太長的句子，但對於現在的 AI 來說，上下文越豐富，它給你的答案就越貼近你的真實需求。

2. 實踐"AI 優先"策略： 除了極少數不適合的場景，我們都應該嘗試將 AI 作為解決問題的首選工具。無論是瀏覽信息（用 Perplexity Comet）、寫代碼，還是規劃行程，你用得越多，就越能體會到 AI 帶來的思維躍升。

感謝你的閱讀，如果你有任何想法，歡迎在下方留言告訴我。