一句话说清区别：搜索引擎帮你找到别人写好的内容，大语言模型直接给你一段自己组织出来的回答。前者甩给你一堆链接，后者甩给你一段话。这个差别看着不大，用起来完全是两回事。

一、一个给链接，一个给答案

在搜索框里敲「空调不制冷」，你会拿到十几条结果。论坛帖子、品牌官网、维修平台的页面混在一起，得自己点开，自己判断哪条对。用大模型问同一句话，它直接给出一段分好点的说明。

方便是真方便。代价是你不知道这段话从哪来的。

这个差别决定了两类工具的使用方式。搜索让你自己去挑，大模型替你挑完再写一遍。前者你握着判断权，后者你把判断权交了出去。

举个每天都会碰到的例子。想了解一件事的正反面说法，搜索能让你同时看到互相矛盾的两篇文章，你能看出争议在哪。问大模型，它往往给你一段四平八稳的话，把分歧抹平了。这不是它故意隐瞒，是它的表达方式天生偏向给出一个确定的说法。

二、为什么大模型会编答案？

它不是在检索，是在续写

大模型的工作方式是按概率一个词一个词往下接。你给它一句话，它算出下一个最可能出现的词，接上去，再算下一个。整个过程中，它没有去哪个数据库里查证事实。

那它为什么看着懂那么多？训练时它读过海量文本，这些文本里的语言规律和事实关联被压进了参数里。答得流利，是因为它见过太多类似的句子，不是因为它查到了答案。

还有一层常被忽略：模型只看得见你这一次对话里给它的内容。你公司的内部资料、你电脑里的表格、你上个月发的邮件，它一概不知道，除非你主动贴给它。所以问它「我们仓库现在还剩多少货」这类问题，它除了编没有别的办法。

幻觉是怎么冒出来的

既然是按概率接词，碰到训练语料里稀少的细节，它就容易顺着语言习惯编一个听起来合理的。你问某个县里的具体政策文件编号，它很可能给你一串格式完全正确、实际不存在的编号。

更麻烦的是它编得很像真的。语气笃定，格式工整，还带着解释。搜索引擎不会这样，搜不到就是搜不到。

三、搜索引擎的强项，刚好是大模型的短板

时效性

搜索引擎每次都是现查，昨天的新闻今天就能找到。大模型的知识停在训练数据截止的那个点，之后发生的事它不知道，除非开了联网。问「今年新出的规定」，它给的可能是旧版本。

可核验性

搜索结果的每一条都能点开看来源。域名、发布时间、作者，都摆在明面上。大模型给的一段话，除非它主动标了出处，否则你没地方核对。它对还是不对，只能换个地方问。

排序逻辑公不公开

搜索还有一套公开的排序逻辑：谁的页面被更多可信站点引用、谁的内容更贴合搜索词、谁更新得更勤，谁就排在前面。这套逻辑可以被检验，也可以被优化，做 SEO 的人研究的就是它。

大模型选哪个说法讲给你听，中间那层筛选是不公开的。你没法知道它为什么挑了这一个版本、丢掉了哪几个版本。它给的答案看着只有一种可能，实际上背后放弃了多少种别的说法，你完全看不到。

四、什么情况用哪个

把分工摊开看，大致是这几类：

• 查具体事实、数字、日期、条款：用搜索引擎，或者带联网的 AI 搜索
• 要最新的信息：搜索引擎
• 把一堆杂乱材料整理成结构：大模型
• 把长文压成要点、换成另一种说法：大模型
• 想先摸清一个新概念的大概：大模型问一轮，再去搜原文核对
• 写初稿、列提纲、想几个备选方案：大模型
• 要做决定、要担责任的结论：两边都问，最后回到官方渠道

这个分工不是死的。同一件事经常要来回倒：先用大模型把问题问清楚，知道该查什么，再拿关键词去搜原文。

五、两者的边界正在变模糊

现在的情况是互相学。搜索引擎加了 AI 摘要，在你的问题下面生成一段回答，后面附上引用来源。大模型那边加了联网，回答前先去网上抓一批资料。

所以严格意义上的「纯搜索」和「纯大模型」都不多了。你用哪个，更多取决于入口，而不是底层到底是什么。

不过底层差别还在。接上联网的大模型，其实是在生成之前先检索一次，把抓到的内容当作参考材料。生成这一步还是按概率写，所以它照样可能误读材料，或者把两份来源里互相矛盾的说法揉成一段。它引用的链接是真的，但从链接里读出来的意思未必和原文一样。

六、实际用的时候怎么配合

我自己顺手的顺序是这样。

先让大模型帮我把问题说清楚。很多时候搜不到东西，不是真搜不到，是不知道该怎么问。让它把一件事拆成几个具体问题，比对着输入框发呆快得多。

拿着拆好的问题去搜，命中率高不少。找到原文之后，再把原文贴回大模型，让它提炼和比对。它的任务就从「凭记忆回答」变成了「处理我给的这段材料」，出错概率低一截。

提问的时候把限定条件写进去。同样是问报销，问「能报多少」和问「广东职工医保住院报销比例是多少」，拿到的东西差很远。地区、时间、身份，这三个信息缺一个，答案就模糊一层。

还有一点，别一次问太大的问题。让模型同时处理「帮我分析这个行业的前景、给三个方案、再写一份执行计划」，它每一部分都只会给得很浅。拆成三轮对话，每轮盯住一件事，产出的东西能直接用。

凡是涉及钱、期限、资格条件这一类会带来实际后果的信息，最后一步一定回到官方渠道。部门官网、办事大厅的公告、企业自己的正式文件，这些才是一手来源。

AI 说的算参考，不算依据。

还有一类问题特别能看出两者的差别：同一个问题问三遍。搜索引擎三次给出的结果基本一样，因为它查的是同一份索引。大模型三次的回答可能都不一样，措辞、顺序、举的例子都在变。这不是它不稳定，是生成方式决定的。知道这一点，你就不会拿某一次的回答当唯一答案。

反过来，搜索引擎也有它处理不了的事。你没法用搜索做这样的提问：「把这三段话合并成一段不重复的说明」。这不是找资料，是加工资料，搜索做不了。区分「找」和「写」这两类任务，是选对工具的前提。

再补一个实用判断。你需要的答案如果需要「署名」，比如写进方案要标注来源、拿去汇报要能交代出处，那就该走搜索找原文。大模型给的内容适合当草稿，不适合当出处。

七、几个常见误解

「大模型是搜索引擎的升级版。」不是。两者解决的是不同问题，一个负责找，一个负责写。你让大模型帮你写一段产品介绍，搜索引擎根本做不了。反过来，需要精确到文件编号、具体数字的问题，搜索引擎或者带联网的 AI 搜索明显更靠得住。

「大模型的答案更聪明。」它只是更通顺。通顺和正确是两件事。搜索引擎给你十个可能有用的页面，你花时间自己去粗取精；大模型给你一段读完就能用的文字，省下的时间要靠核对补回来。

「大模型记住了网上所有内容。」它记的是语言规律，不是原文。你让它背一段完整法条，它可能背得八九不离十，也可能在关键处改几个字。这种改动最难发现。

「用久了就不用自己学了。」恰恰相反。你得先知道一件事大概是怎么回事，才判断得出它哪句在胡说。它给的是草稿，判断力还得自己出。

最后一个实操建议：把常问的问题存成一份自己的清单。哪些该查搜索、哪些适合交给大模型，用几次就有感觉了。有了这份清单，下次不用重新判断，直接按分工走。

顺带说一句，判断一段回答能不能用，有个很土但有效的办法：能不能用自己的话把它复述一遍。复述得出来，说明你理解了。复述不出来，只能照抄，那这段内容就不该拿去用。

八、怎么选，看你要做的事

要找一份现成的、能点开看来源的资料，去搜索。要从零整理出一段能直接用的内容，找大模型。要拿去做决定的，谁都别全信，回到一手来源。

这两种工具的关系不是替代，更像分工。真正省时间的做法，是让它们各干各擅长的那一半，中间的核对环节自己来。