图片来源：由无界AI生成翻开这本“小红书”，哪里不会“点”哪里。
这可不是学习机，而是小红书最近正在内测的一款AI搜索产品“点点”。打开小红书的搜索框，有用户已经可以在下拉的关联搜索话题中，看到一个带着“点点”小尾巴的入口，点击就可以进入AI搜索对话界面。在这个界面，你可以随意提问，还随意点击AI给到的答案，哪里不懂点哪里，获取进一步信息。
一家专注于内容的社区企业，最终发展成了“遇事不决小红书”，甚至一度成为了传统搜索的挑战者。当AI搜索成了潮流，最时髦的小红书自然也不会放过。
这已经不是小红书第一次试水AI搜索了。整个2024年，从达芬奇Agent开始，到搜搜薯，再到如今的点点，占据的入口和路径都不相同。
准确地说，点点是从去年8月开始陆续内测的，且上线了APP和微信小程序模式。起初，它以非官方身份低调运营，默默发布内容、积累用户，有小红书博主爆料，点点几次找他投放推广，但他并不知道这是官方。
而后经过9月、10月的一系列推广，直到12月才“正式”披上了小红书官方的外衣。12月底，点点刚公布了“出门在外问点点”的营销推广计划，可见小红书的重视程度。
和此前的小红书AI产品不同，点点产品完整度和定位都更加清晰且获得了内部更大的营销资源支持。
这个姗姗来迟的AI搜索产品点点，能否在小红书的高价值内容土壤下，做一个更大的搜索梦？
1、实时整合UGC信源，连评论都能抓到？
硅星人上手实测了一番，发现点点搜索确实有点东西。
首先在定位上，点点反常地避开了商品种草这个小红书基本盘，而是主打“出门在外问点点"”，以生活搜索助手的角色解决用户旅游攻略、生活常识等场景。
种草意味着筛选和比较，对AI的理解分析能力要求更高，而生活场景下，更重要的是真实的信息以及全面的考量。举个例子，我们先问了一个拍照打卡类的问题，“在哪里可以用手机拍摄到故宫的完整俯视图”。结果点点给到了一份非常完整的攻略，包括具体位置“景山公园的万春亭”，并提到拍摄时间、设备参数、人群情况，以及前往公园的交通方式、路线，很靠谱了。
但当我们询问点点“油性皮肤怎么买美白产品”后，点点只能给到非常片面的数个产品推荐及理由，反而没有答案来源中的一篇用户帖子全面，起码帖子里有清晰的美白思路、产品搭配、使用方法的详细科普。
测试当天刚好北京局部下雪了，由于太过“局部”，看到雪的小伙伴和没有看到的，仿佛在经历两个世界。于是，我们询问“北京到底今天哪里下雪了”，点点不仅快速确定了北五环、延庆、香山等地，还配上了新鲜的用户实拍视频，日期理解非常准确。
这个看似简单的回答，却体现了点点三个核心特点：以UGC内容为信源、信息实时性、具备评论理解能力。
当点点回答北京降雪问题时，它并非简单调用天气数据，而是整合了当地用户的实地探访笔记——有人晒出了香山的第一场雪，有摄影爱好者分享了延庆的雪景构图。这种基于真实体验的内容集成，是小红书社区建立起的壁垒。
而且回答实时性的问题，也是很多AI搜索所不具备的能力。
以秘塔搜索和Kimi为例，在询问某一日的内容时，只能回答粗略的时间段，信息往往滞后。
此外，由于小红书的 UGC 内容是文字、图片、视频甚至评论互动组成的，这也要求 AI 对这些非结构化数据更全面的理解能力。例如下雪问题中，下雪地点是用户在评论区提到，并未在正文或是标题中提到。这个能力也让点点搜索的结果更加可信。
如果当用户搜索"哪家火锅不踩雷"时，点点可以不只读取正文，还分析评论区的反馈。即便一家网红店的主笔记好评如潮，如果近期评论区频繁出现"排队太久"、"服务变差"等负面反馈，AI也能及时提醒用户注意这些变化，那就神了。
当然，多模态理解能力不仅出现在对搜索结果的理解上，也包括对用户输入（ query） 的理解。目前点点已支持语音和图片输入提问。例如，我们上传了一张这样的照片，点点很明显能够理解，这是一只边牧，地上有一些不规则的纸片。
对此，点点理解到这只狗可能造成了破坏，并主动引导用户探讨如何避免宠物乱咬东西行为。这种"看图说话"的能力，让搜索过程更接近自然对话。
2、哪里不会，“点”哪里
同时，点点的"探索功能"的设计，也开辟了AI搜索的一种新的交互方式。
点点没有照搬传统搜索引擎的问答模式，而是采用了"哪里不会点哪里"的引导式交互，不需要新一轮的语音或文字输入，通过点击答案中的关键词，降低二次提问的门槛，以傻瓜式操作来延展搜索。
不过这些功能看起来强大，但还存在明显的大模型幻觉，比如我们在询问他通州保藏园附近有什么打卡的地点时，他给出的图文信息都不在园区内，只是格式看起来很工整正确。更有甚者也会出现胡乱联想，被用户吐槽一番。
不可否认的是，过去这一年，小红书做了非常多的AI搜索产品，从达芬奇，到搜搜薯，再到点点，可以看到小红书的谨慎和迷茫。每一次迭代都在尝试回答同一个问题：新的交互方式和老的用户习惯如何结合？
是按照排序对帖子内容整理，还是对过去搜索效率的进一步优化？是通过多轮对话，增加AI的思考，来优化质量，还是尽可能中立地呈现用户内容？在这些问题上，小红书经历了多次反复。
以内嵌于主站的AI助手达芬奇为例，通过Agent的形式，与用户进行多轮对话，帮助用户搜索信息总结信息；而搜搜薯，没有专门的流量入口，相当于一个搜后总结，在优化用户体验上的效果上比较边缘。
而点点阶段，更像是搜搜薯和达芬奇的一种结合。
路径上，点点大概率和搜搜薯一样是对搜后内容的总结，即使用传统搜索搜到相应内容，由AI理解数个链接，总结出完整的答案。我们以同样的问题询问点点和进行传统搜索，发现AI的答案来源，基本都是原本搜索的前置位。
交互上，点点和达芬奇一样是chatbot形式，但多轮对话的能力有限；而且点点既有独立App，也有主站搜索入口，可以说是既想借助主站流量，又担心AI功能影响主站体验。
这些产品层面的摇摆必然影响到组织架构和资源分配。
当然，不断地换马甲，这种反复和摇摆虽然让用户感到摸不到头脑，但在产品发展的最早期，不停的探索总比按兵不动更有可能。
3、AI搜索和社区属性，再次上演“相爱相杀”
我们发现，有了UGC实时内容的点点，可用性明显比互联网同质化内容下的其他产品更强。
这背后引申出的问题是，AI搜索究竟需要像Perplexity那样以浏览器为载体，还是小红书这样以内容平台为载体？
搜索的价值一方面在于信源本身的质量，另一方面在于如何发挥这些内容的价值。相比Perplexity这类通用型AI搜索们，小红书沉淀了大量垂直领域的生活类UGC内容，是其做AI搜索的最大优势，特别是小红书平台内本身就存在海量的真实需求和使用场景，据媒体报道最新数据，小红书的日均搜索量在2024年第四季度已接近6亿次，较2023年年中的3亿次实现翻倍增长。
从美妆穿搭到旅游攻略，从美食探店到家居改造，这些内容不是简单的产品介绍或服务描述，而是用户真实的使用体验和场景化的解决方案。比如一个”上海周末遛娃"的笔记，可能包含天气建议、交通路线、适合的餐厅、活动安排，甚至应急预案。这种场景化、体验式的内容，是传统搜索引擎难以沉淀的。
这些也是Perplexity们一直眼馋的能力，强如Perplexity，也依然要不停面对自己对搜索引擎API的依赖，面对内容同质化的根本问题。
所以当小红书做AI搜索时，大多会觉得这是理所应当的一个动作。因为它积累下来的能力基本都是可以为AI搜索所用的独家能力。
更重要的是，不依赖搜索广告的小红书也并没有传统搜索引擎的商业化顾虑——不存在一旦发展AI搜索，就相当于挥刀砍自己的现象。
但小红书的AI搜索，也有着自己的问题。
从技术层面上，和其他AI搜索不同，守着用户和数据宝藏的小红书需要思考如何发挥这些内容的价值，特别是理解大量的非结构化的长尾化的细碎的内容。
目前，我们打开点点搜索的内容来源可以看到，信源内容基本和直接在小红书进行传统搜索的结果一样，相当于AI帮用户进行了传统的搜索，并阅读了数个链接，给出总结结论。这显然并没有完全释放出小红书UGC长尾内容的价值，更多是对小红书原本的搜索方式的一种延伸。
从社区属性来看，习惯了真实用户反馈的小红薯们，很难接受AI搜索的格式化和不确定性，已经有不少冲突的声音出现了：有用户认为这种智能化的总结，让用户的个人经验在其中隐身了，损害了社交平台最重要的真实感，大而笼统，反而失去了说服力。
此外，当用户习惯了AI的快速回答，是否还愿意沉浸式浏览笔记，是否会导致用户对真实帖子的互动下降，从而降低用户原先帖子的数据价值，从而冲击到内容社区本身呢？
在AI化这件事儿上，小红书很有可能要再度经历类似“社区和商业化难平衡”的难关。
为了避免往事重演，小红书需要确定两者的优先级，是社区更重要，AI 搜索只是一个服务于社区的优化用户体验的小功能，还是 AI 搜索的未来更大，小红书社区的用户基础可以作为一张打开搜索新世界、重构流量场的门票。
目前来看小红书推出的几个AI搜索产品都还是在一个未完成体的状态，接下来估计还有更多的“点点”出现。
小红书 AI搜索
