Parallel Web Systems推出搜尋API：針對人工智慧代理的最精準網路搜尋

平行網路系統 一家專注於為人工智慧代理商打造全新網路基礎設施的新創公司推出了 Parallel Search API，這是一款專為以最低成本優化相關、高效的網路數據交付而設計的網路搜尋工具。這項創新旨在提供更準確的答案，減少往返次數，並降低人工智慧代理的成本。

傳統搜尋引擎是為人類使用者設計的。它們根據用戶會點擊連結進入頁面的假設對URL進行排名，並針對關鍵字搜尋、點擊率和便於瀏覽的頁面佈局進行最佳化，所有這些都在幾毫秒內完成，且成本極低。第一代基於人工智慧的搜尋API試圖將這種以人為中心的搜尋模型應用於人工智慧，但它們並未完全滿足人工智慧的獨特需求。 AI代理商 .

與人類用戶不同，人工智慧搜尋需要採用不同的方法：它並非針對人類點擊量對URL進行排名，而是專注於確定最相關的詞元，並將其放置在人工智慧代理的上下文視窗中，以幫助其完成任務。其目標並非優化使用者參與度，而是增強人工智慧模型內部的推理和決策能力。

這種新的搜尋架構包含幾項關鍵創新：它採用超越關鍵字匹配的語義目標來捕捉代理的意圖，優先考慮詞元相關性而不是以人為中心的頁面指標，提供用於推理的精簡和高質量信息，並通過一次搜索調用而不是多個步驟來解決複雜的查詢。

透過利用這種 AI 優先的搜尋設計，代理可以在其上下文視窗中存取更多資訊密集的 Web 令牌，從而減少搜尋呼叫次數，提高準確性，並降低成本和延遲。

推進面向人工智慧代理的複雜、多源網路搜索 

雖然許多現有的搜尋系統專注於簡單的問答，但對更複雜、多方面的搜尋的需求預計將會成長。使用者和人工智慧代理都將越來越需要能夠綜合來自多個來源的資訊、處理複雜任務並存取更難獲取的網路內容的答案。

為了滿足這一日益增長的需求，Parallel 對其搜尋 API 在各種基準測試中的效能進行了評估，從具有挑戰性的多跳任務（例如 BrowseComp）到更簡單的單跳查詢（例如 SimpleQA）。

Parallel 在處理更複雜的查詢時展現出優勢——這些查詢往往跨越多個主題，需要深入理解難以抓取的內容，或者涉及整合來自分散來源的資訊。在專為多跳推理設計的基準測試中，例如 HLE、BrowseComp、WebWalker、FRAMES 和 Batched SimpleQA，Parallel 不僅提供了更高的準確率，而且使用更少的推理步驟，更有效率地解決了查詢問題。

傳統的搜尋 API 通常需要多次順序搜索，這會增加延遲、擴大上下文視窗、增加令牌成本並降低準確性。相較之下，Parallel 的方法允許在單次搜尋呼叫中解決更複雜的查詢，從而減少順序查詢次數，提高準確性，降低成本並減少延遲。

當在像 SimpleQA 這樣更簡單的單跳基準測試（涉及直接的事實查詢）上進行測試時，Parallel 仍然表現良好，儘管由於查詢的性質，在這些場景中準確率提升的潛力更為有限。

Parallel之所以能夠取得領先的搜尋效果，是因為它耗時兩年建立了一個強大的基礎設施，優化了搜尋流程的每一層，並透過回饋循環不斷提升效能。該系統專注於索引難以抓取的網路內容，例如多模態內容、長篇PDF和大量使用JavaScript的網站，同時最大限度地減少對網站所有者的影響。 Parallel的網路索引是成長速度最快的索引之一，每天更新超過1億個頁面。

Parallel 的排名方法與傳統搜尋截然不同。它並非基於使用者點擊率對 URL 進行排名，而是專注於識別最相關、最權威的詞元，以便進行大型語言模型 (LLM) 推理。 Parallel 的專有模型會評估詞元相關性、頁面和網域權威性、上下文視窗效率以及跨來源驗證，並將品質置於使用者參與度指標之上。

並行搜尋 API：利用高品質即時網路資料賦能人工智慧系統 

如今，最先進的開發者選擇使用 Parallel 提供的搜尋功能來建置和部署 AI 系統。這些機構測試過各種方案，並意識到網路數據的品質直接影響其 AI 代理的決策。無論是 Sourcegraph Amp 的代碼代理修復 bug，Claygent 優化每一項上市策略，Starbridge 挖掘政府招標信息，還是領先保險公司比人工核保員更有效地進行理賠，這些系統的性能都取決於其所依賴的網絡數據的準確性和相關性。

Parallel 自研的搜尋 API 是其 Web Agent 的核心基礎架構。例如，Parallel Task API 負責處理複雜的多步驟資料增強和研究查詢，它正是基於搜尋 API 所建構的。所有在生產環境中運行的 Task API 查詢都依賴搜尋 API 在後台完美運作。

這種架構方法為 Parallel 設定了很高的標準，因為搜尋效能、延遲或品質的任何改進都會直接影響每天處理數百萬次查詢的生產系統。搜尋 API 中任何效率低或不準確的地方都會立即影響到依賴它的產品。

因此，Parallel 的基礎架構不斷完善，並在基於代理的工作負載的實際需求下經過反覆測試。對於代理而言，高效能完成任務的關鍵在於最大化上下文視窗中的訊號，同時最小化雜訊。 Parallel 搜尋 API 確保代理程式能夠從網路獲取最相關、最精簡的上下文信息，從而增強其準確高效地執行任務的能力。