这届 AI 应用不太行,代码搜索为什么成了刚需?open-glean 给出了答案

原创2026-10-10 09:55:371,658 阅读

这届 AI 应用不太行,代码搜索为什么成了刚需?open-glean 给出了答案

2025 到 2026 年,AI 行业出现了一个略显拧巴的现象:一边是通用大模型融资动辄数十亿美元,聊天机器人、写作助手、个人知识库产品层出不穷;另一边,媒体开始频繁抛出"这届 AI 应用不太行"的论调——产品热闹,留存惨淡,商业化迟迟走不通。36Kr 那篇引发广泛讨论的文章,本质是在追问同一个问题:AI 能力已经被证明了,为什么 AI 应用还没有?

答案或许藏在一个更"无聊"的赛道里:企业搜索与代码检索。当 C 端对话应用还在为 DAU 焦灼时,以 Glean 为代表的企业 AI 搜索公司估值一路从 22 亿美元飙到 70 亿美元级别,ARR 突破 1 亿美金、净收入留存率(NDR)超过 120%,成为红杉等顶级机构押注的标的。而它的开源对应物 open-glean,用一套精简到极致的代码,把"检索为什么是 AI 应用的刚需"这件事讲得明明白白。

36Kr 的论据与漏洞:把"AI 应用"误当成了"对话应用"

"这届 AI 应用不太行"的核心论据并不难找:ChatGPT 之后,几乎所有 AI 应用都长成了同一个样子——一个对话框,一段流式输出,一个悬浮的"生成中"光标。同质化竞争导致获客成本高企,用户新鲜感消退后留存断崖,而大模型按 token 计费的成本结构又让免费模式难以持续。这些观察在 C 端基本成立。

但结论存在一个显著漏洞:论据样本几乎全部来自"对话型 AI 应用",而对话只是 AI 能力的一种交付形态,不是 AI 应用的唯一形态。真正的企业级 AI 需求,从来不在于"能聊",而在于"能找、能查、能引用、不越权"。当一个员工面对散落在 Slack、Jira、Confluence、代码仓库和几十个 SaaS 里的信息时,他需要的不是一个会写诗的助手,而是一个能精确告诉他"这个结论出自哪份文档、哪个 commit、谁在什么时候写的"的检索系统。

这正是社区讨论中反复出现的共识:从 GraphRAG 重构企业知识管理,到"企业级知识库为什么要用 GraphRAG",再到 Perplexity 企业版与 Glean 的对比评测——几乎所有深度分析都指向同一个结论,企业场景里,检索质量比生成能力更决定产品生死。36Kr 式的观察看到了现象,却漏掉了变量:AI 应用的竞争力不在模型,而在"模型 + 检索 + 权限 + 成本"组成的完整闭环。

代码搜索的刚需逻辑:确定性、权限、成本

为什么偏偏是"搜索"而非"生成"成为刚需?从 open-glean 的源码里可以抽出三条硬逻辑。

确定性:让每个答案都有出处。 生成模型最大的企业级软肋是幻觉——它无法区分"它记得"和"它编的"。检索增强(RAG)的价值不是给模型多塞点文本,而是把答案锚定在可追溯的来源上。open-glean 在这件事上做得近乎偏执:在 lib/citations.ts 中,引用的编号由"按来源分组、而非按 chunk 分组"的规则统一生成,prompt 与来源面板共用同一个索引对象,注释直言"模型引用的 7] 必须与用户看到的卡片完全一致"。更细节的是,当 Hydra 对 memory 类型内容只返回内容哈希作为标题时,[displayTitle 会检测哈希形态的标题并回退到正文开头——因为"一串 hash 对读者毫无意义"。确定性的另一面是防脏数据:检索响应在 lib/qa.ts 中要经过八种候选结构、多套字段命名的归一化,才能进入 prompt。

权限:密钥不出浏览器,请求不出内网。 企业数据不能离开可控边界,这是搜索类产品区别于消费级 AI 的根本红线。open-glean 的安全模型写得很清楚:API 密钥"永不存于浏览器",验证后写入 AES-256-GCM 加密的 httpOnly session cookie(见 lib/session.ts),每个代理请求在服务端解析密钥,JS bundle、localStorage 里没有任何 key 形状的数据。而在服务端出站侧,lib/safeUrl.ts 实现了完整的 SSRF 防护——从 RFC-1918 私网段、IPv6 ULA、链路本地地址,到 ::ffff:127.0.0.1 这类内嵌 IPv4 的变体,全部手工解析拦截;lib/hydra/pinPath.ts 则把请求路径钉死在受信 origin 上,防止 //host 形式的路径把携带 Bearer 密钥的请求重定向到攻击者服务器。这些不是演示代码,而是注释里写着"这逻辑吸引绕过,第二份拷贝必须在第一次修复时同步修复"的生产级防御。

成本:护栏先于功能。 企业采购 AI 的决策里,token 账单往往比模型效果更早被 CFO 追问。open-glean 的成本意识渗透在每一层:Deep Research 路由(app/api/research/route.ts)注释直接写明"单次运行约消耗 18 次 LLM 调用加 8 次图增强检索",因此 lib/spendGuard.ts 为并发研究设置每实例上限(默认 3),并以 429 拒绝超限请求;lib/llmServer.ts 为每次补全设置 120 秒硬超时与手动重定向拦截;lib/env.ts 在启动时校验配置——设了 LLM key 却没设默认模型,会被警告"搜索正常但答案无法生成,看起来像半坏的产品"。检索参数同样克制:单节点最多取 6 条结果、最终答案上下文上限 24000 字符(见 app/api/research/route.ts)。把成本做成显式的、可度量的、有护栏的工程约束,才谈得上"规模化"。

open-glean 起量数据作为反证:确定性需求撑起的增长曲线

如果"AI 应用不太行"是真的,那 Glean 的融资与收入曲线就无法解释。公开信息显示,Glean 估值从早期约 22 亿美元一路跃升至 70–72 亿美元区间,ARR 超过 1 亿美金,净收入留存率超过 120%,且是在红杉等机构的持续加持下完成的多轮融资;行业报道甚至用"ARR 飙涨 10 倍"来形容其增长斜率。社区对它的拆解也形成了稳定共识:创始人出身谷歌搜索团队,技术基因深厚;产品定位"企业级 AI 搜索 + 知识管理",核心卖点不是生成,而是跨应用构建个性化知识图谱、GraphRAG 混合检索与权限感知。

值得注意的另一点是,这类确定性需求已经溢出了商业产品,催生了活跃的开源生态。open-glean 正是这样一份代码:一个面向知识工作的开源 AI 平台,连接应用、检索上下文、带引用地生成答案。它的仓库里躺着 87 个连接器图标(public/static/images/logos/connectors),覆盖 Slack、Jira、Notion、Salesforce、Figma 等主流工具;社区里的快速上手教程、免费体验指南、进阶技巧帖持续产出,单篇阅读量从数百到数千不等。商业产品的高估值与开源镜像的传播热度互为印证:企业对"找到并引用正确信息"的付费意愿,是真实且持续的。

AI 应用的下半场:基建先行的判断

把视角拉远,这轮 AI 应用分化其实宣告了一个阶段转换:上半场拼的是"模型能做什么",下半场拼的是"数据能不能被安全、确定、廉价地喂给模型"。检索层正在从应用的附属功能升级为基础设施——就像数据库之于传统应用、云之于上一轮 SaaS。

open-glean 的技术选型可以看作这种"基建先行"思维的浓缩样本。它的 Deep Research 不是一个简单地把问题丢给模型的多轮对话,而是一套完整的检索编排:由 lib/research/planner.ts 的 planPrompt 让模型把问题拆成至多 8 个自包含子问题并声明依赖关系,layerPlan 用 Kahn 算法将依赖图分层成可并行的执行波次,每层波次对 Hydra 并发 fan-out,前一层的发现会通过 refineQuestion 反哺改写后续子问题,最终由 SourceRegistry 跨节点全局去重编号后生成带引用的终稿。同时,范围切换(ScopeSwitcher)支持跨 collection 加权检索,多 collection 选择器直接在 lib/hydra/client.ts 的 query 参数里实现——"检索"被做成了可组合、可编排、可观测的第一公民,而不是 prompt 里的装饰。

这份基建甚至包括模型层的开放:任何 OpenAI 兼容端点都能接入,内置 OpenRouter 模型选择器(app/api/openrouter/models/route.ts),甚至允许通过 OPEN_GLEAN_ALLOW_PRIVATE_LLM_URL 选项把 Ollama 这类本地模型纳入闭环——把"模型可替换"做成架构约束,与"检索可靠"同等重要。整套运行时依赖只有 Next.js 16、React 19、Tailwind v4 和一个类型化 SDK,其余全部由自己实现,这也解释了为什么它能同时做到功能完整与安全可控。

结语

"这届 AI 应用不太行"的讨论,像一面照妖镜:照出的是那些把模型 API 包装一下就上线、既无确定性也无权限意识、更无成本模型的"伪 AI 应用"。而代码搜索与企业知识检索的逆势增长说明,用户真正愿意付费的,从来不是"会说话",而是"答得对、找得到、不泄密、花得起"。open-glean 用一套可自托管、可审计、引用即出处的开源实现,把这条刚需逻辑完整地跑通了——它给出的答案不是又一个聊天框,而是一份关于 AI 应用该往哪走的工程答卷。

登录后查看全文
open-glean