知识卡片：AnySearch登顶Product Hunt周榜，专为Agent打造搜索

一句话结论：中国团队AI搜索产品AnySearch以76.4%综合准确率登顶Product Hunt周榜第一，专为Agent而非人类设计，通过前置筛选和结构化输出降低Token消耗，成为Agent时代的基础设施工具。

事件概述：2026年7月14日前后，中国团队开发的AI搜索产品AnySearch在Product Hunt周榜中排名第一。该产品面向智能体（Agent）而非人类用户，能在代码、法律、金融等20多个垂直数据源中执行搜索，并通过意图路由、多源去重后输出结构化Markdown内容。

方法/产品要点：

• 面向Agent设计：不同于传统搜索引擎，AnySearch的输出格式和调用方式专为Agent的API、MCP（Model Context Protocol）、Skill等接口对接优化。
• 数据源覆盖：涵盖代码、法律、金融等20多个垂直领域数据源。
• 处理流程：经过意图路由、多源去重，最终输出结构化Markdown内容。
• Token优化：通过前置筛选机制降低Token消耗和上下文冗余，提升Agent调用效率。

主要结果或产业意义：

• 在300题基准测试中，AnySearch以76.4%综合准确率领先Parallel和Brave，且延迟表现最优。
• 搜索正成为Agent时代的基础设施，AnySearch的登顶验证了这一趋势——即Agent需要专门为其优化、可编程的搜索服务，而非面向人类浏览的通用搜索。

为什么重要：

• 本条是“搜索即Agent基础设施”方向的最新案例，区别于已有卡片中SIMA 2（通用代理）、编码智能体（推理优化）、Cursor Design Mode（UI修改），AnySearch聚焦于Agent获取外部信息的“搜索引擎”层。
• 增量信息：中国团队在产品层面证明了面向Agent的搜索比面向人的搜索在准确率和延迟上更具优势，同时其Token节省设计直接降低了Agent运行成本。

局限与不确定性：

• “300题基准”的具体构成与评测方法未在材料中详细说明，待核实。
• 产品是否已大规模商用、定价策略与API稳定性等均未提到，待核实。

可用于图书/PPT/简报的角度：

• 作为“Agent基础设施”演进的案例，可与传统搜索引擎对比，展示从“人机交互”到“智能体交互”的范式转变。
• 在讲解Agent技术栈时，将AnySearch归类为“知识检索”组件，强调其结构化输出和Token优化对Agent效率的直接影响。

原始材料：

• 来源：腾讯研究院AI速递 20260714（搜狐）
• URL：https://m.sohu.com/a/1049851171_455313?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334&digest_item=3
• 英文标题：AnySearch登顶Product Hunt周榜，专为Agent打造搜索
• 英文关键词：Agent Search, Product Hunt, AI Search, Structured Output, MCP