跳到主要内容

联网增强总览

联网增强解决的是一个很具体的问题：

  • 模型本身没有联网能力；
  • 你希望搜索来源可控；
  • 你要把“先查公网，再回答”接入现有聊天链路。

这类能力和 RAG 不一样。

  • 联网增强：查公网、强调时效性；
  • RAG：查私域知识库、强调内部资料准确性。

1. 这一组文档讲什么​

AI4J 当前在联网增强上，主要提供的是 SearXNG 接入能力。

它的核心路径是：

用户问题
  -> SearXNG 搜索
  -> 结果清洗 / 截断
  -> 注入 Chat 请求
  -> 模型生成答案

这条链路仍然是基础 SDK 层能力，不等于 Agent 编排。

2. 适合什么场景​

适合：

  • 本地模型或开源模型没有原生联网；
  • 需要接公司自建搜索代理或聚合搜索；
  • 问题依赖近期信息、公开网页或新闻动态；
  • 想在不改业务控制器的前提下增强现有 IChatService。

不适合：

  • 主要依赖内部文档、制度、合同、知识库；
  • 需要高确定性的证据召回；
  • 不允许访问公网。

这些情况应优先看 RAG / 知识库增强。

3. 当前主入口​

先看：

相关核心类：

  • AiService.webSearchEnhance(IChatService chatService)
  • ChatWithWebSearchEnhance
  • SearXNGConfig

4. 与其它专题的边界​

4.1 与 RAG 的区别​

RAG 讲的是：

  • 文档解析
  • 文本切片
  • embedding
  • 向量召回
  • 上下文拼接

联网增强讲的是：

  • 搜索公网资料
  • 处理外部网页结果
  • 把网页摘要注入模型请求

4.2 与 MCP 的区别​

MCP 解决的是工具协议和外部系统接入。

联网增强这里讲的是：

  • 如何把 web search 直接接到模型调用链里

4.3 与 Agent 的区别​

Agent 可以消费联网增强结果，但联网增强本身不包含：

  • 多步推理
  • 任务分解
  • 工作流编排

5. 推荐阅读顺序​

  1. 先确认 Chat 基础调用已经跑通
  2. 再接 SearXNG 联网增强
  3. 最后根据业务要求补安全、可观测和来源清洗策略