博查

定义

博查是面向人工智能应用的搜索引擎，主要形态是可供调用的搜索接口，而非面向普通网民的搜索网页。其官方文档把自身描述为"给AI用的搜索引擎"，作用是从近百亿网页与合作内容源中取出世界知识，供大模型应用使用^[1]。运营方为杭州博查搜索科技有限公司，创始人兼首席执行官为刘勋，联合创始人兼首席技术官为翁柔莹^[2]。

它与传统搜索引擎的主要区别在于服务对象和结果形态：传统引擎按关键词匹配并依竞价排名展示链接，博查则按语义相关性组织结果，返回网页摘要、发布时间、站点名称以及可直接引用的参考源。在定位上，它属于大模型的外接知识入口，用于补充模型训练语料之外的实时信息。

原理

博查的检索流程大致可分为召回与重排两段。召回阶段同时启用关键词检索与向量检索：关键词一路沿用 BM25 一类词项匹配方法，向量一路把查询与文档映射到语义空间比对相似度，两路结果再通过倒数排名融合一类方式合并为初排列表^[3]。官方把这一路线称为多模态混合搜索与语义排序。

重排阶段由自研的语义排序模型完成，模型规模约 8000 万参数，采用 Transformer 架构，对初排的前若干条候选逐条打分，得分区间为 0 到 1，数值越高表示文档与问题的语义匹配越强^[3]。公司方面称，由于大模型同样基于 Transformer，经语义重排的结果更契合模型对上下文的取舍偏好。

在内容可信度上，博查在文档进入索引库前用大模型预估来源可信度，对可疑内容降低权重；结果初排后再参照专业性、经验、权威性、可信度四个维度加权打分，对经权威渠道澄清的错误信息则做人工清除^[4]。此外，其多模态一路把短视频拆解为场景片段与语音文本，形成可检索的片段级索引。

flowchart LR

A[用户问题] --> B[意图识别]

B --> C[关键词召回]

B --> D[向量召回]

C --> E[初排融合 BM25/RRF]

D --> E

E --> F[语义重排 Reranker]

F --> G[可信度加权]

G --> H[网页摘要与引用源]

G --> I[结构化数据卡]

发展历程

博查的研发始于2023年。据公司方面叙述，刘勋此前有互联网企业与国有企业从事搜索开发的经历，翁柔莹则在留学前从事基础大模型研发，两人于2023年确定在国内切入AI搜索引擎方向^[2]。创业早期国内基座模型能力与用户规模均有限，公司主要依靠自筹资金投入，索引库规模起步即达百亿级，服务器部署数量在1万至2万台之间^[5]。

2024年6月，博查发布多模态搜索与智能体搜索能力，并推出联网搜索接口^[6]。同年7月，博查AI搜索接口正式上线；据后续报道，到2025年2月其企业客户约2000余家，DeepSeek为其中之一^[2]。2024年12月，公司发布语义排序模型 bocha-semantic-reranker 及配套排序接口^[3]。

2025年1月，公司将总部由北京迁至杭州临平新城^[2]。2025年春节期间，随DeepSeek等平台访问量上升，其接口调用量明显增长，到2025年3月日均调用量超过3000万次，公司方面称约相当于微软必应国内体量的三分之一^[4]。同期公司披露已服务2万余家泛企业客户与数万名开发者，并着手筹备海外业务^[2]。

应用

博查最直接的用途是为对话式AI产品提供联网搜索能力。大模型自身参数中的知识有截止时间，遇到时效问题需向外部检索，博查即承担这一环节，其接口已成为部分国产大模型与AI应用的联网搜索选项。面向开发者的接口分为两类：网页搜索接口返回标题、链接、摘要、发布时间、站点名称等字段，单次最多返回50条；AI搜索接口在此基础上增加大模型生成的总结答案、追问建议与结构化数据卡片^[7]。

结构化数据卡片是博查面向时效性与垂直领域问题的补充手段。据其文档，卡片覆盖天气、日历、百科、医疗、火车、贵金属、汇率、油价、股票、汽车等数十类，用于提供网页中难以直接抓取的实时数值，例如股价与汇率。这类卡片可与网页结果一并作为上下文提交给大模型^[8]。

在检索增强生成（RAG）流程中，博查的排序接口可用于对已有候选文档做二次精排，改善召回内容与问题的匹配程度^[3]。接入方式包括直接调用接口、兼容 OpenAI 与 LangChain 的函数调用、AI 开发平台插件以及 MCP（模型上下文协议）服务器，后者可用于 Claude Desktop、Cursor 等支持该协议的客户端^[9]。

局限

搜索质量受内容源本身制约，是博查公开承认的边界。其首席技术官表示，无论传统引擎还是AI引擎，内容生产、抓取与索引的逻辑一致，网络上的不实信息无法由搜索引擎完全控制，不准确问题只能尽量降低而不能彻底消除^[4]。同一次访谈中提到，阅读量少但内容完整度高的自媒体文章在传统引擎中排名靠后，却可能被AI检索并引用。

在具体链路中，检索结果与模型生成之间存在责任分界。博查提供的是资料与参考源，最终答案由接入方的大模型生成，若检索召回的文档与问题意图不符，或来源本身质量参差，仍可能出现错误表述^[4]。第三方使用者的实测反馈亦指出，中文小众内容与专业垂类信息的覆盖不足，营销号与二手转载内容占比较高，企业工商等权威垂类数据未必优先命中^[10]。

从服务形态看，博查是接口服务，可用性受平台配额、限流与定价策略影响，调用方需自行管理密钥与额度^[11]。检索本身主要针对中文互联网内容优化，英文及小语种场景的能力相对较弱，这也是同类中文搜索接口的共性问题^[11]。此外，AI搜索接口中的部分能力需要单独开通接口权限，未获授权的调用会返回无权限提示^[9]。

参见

• 搜索引擎 —— 博查所属的产品类别，博查是其面向人工智能应用的一个分支。

• 大语言模型 —— 博查服务的主要调用方，通过检索补充模型外部知识。

• 检索增强生成 —— 博查排序接口与搜索接口的典型应用场景。

• BM25 —— 混合检索中关键词一路常用的初排算法。

• BM25 之外的语义重排 —— 以 Transformer 模型对候选结果二次打分的技术路线。

• 模型上下文协议 —— 博查对外提供搜索能力的一种接入方式。