小红书AI搜索掌门人高龑亮相QCon上海会议：智能问答的技术革新之路

> ### 摘要 > 小红书AI搜索负责人高龑将出席QCon上海会议，分享小红书在AI搜索领域的技术演进之路。从最初的内容检索到如今的智能AI问答，小红书不断探索搜索系统的新范式。高龑将深入解析如何将大型语言模型（LLM）融入工业级搜索与机器学习系统，介绍其在实际业务中的技术实践与优化策略。此次演讲将展示小红书在提升搜索智能化、用户体验和系统效率方面的关键突破，为AI驱动的搜索技术发展提供前沿案例。 > ### 关键词 > AI搜索,小红书,LLM应用,智能问答,技术实践 ## 一、AI搜索的发展趋势与小红书的探索之路 ### 1.1 小红书AI搜索的起步与阶段性成果 小红书AI搜索的旅程始于对用户“发现美好生活”这一核心需求的深刻洞察。最初，平台的搜索系统主要依赖传统的关键词匹配与内容标签体系，虽能实现基础的内容检索，却难以理解用户复杂、模糊甚至带有情感色彩的查询意图。随着社区内容呈指数级增长，用户对精准、智能信息获取的需求日益迫切。正是在这样的背景下，小红书开启了AI驱动的搜索技术革新之路。从2020年起，团队逐步引入深度学习模型优化排序机制，实现了从“搜得到”到“搜得准”的跨越。而真正的转折点出现在大模型技术爆发之后——小红书积极探索大型语言模型（LLM）在搜索场景中的落地应用，成功构建了具备语义理解与推理能力的智能问答系统。如今，AI搜索不仅能够理解“适合油皮的夏季粉底液推荐”这类复杂查询，还能结合用户画像与上下文进行个性化响应，搜索点击率提升超过40%，充分验证了技术演进带来的实际价值。 ### 1.2 AI搜索技术在小红书内容生态中的应用 在小红书丰富多元的内容生态中，AI搜索已不再只是一个工具，而是连接用户与知识、兴趣与生活的智能桥梁。每天，数以亿计的笔记涵盖美妆、旅行、科技、情感等多个领域，传统搜索方式难以应对如此庞杂的信息维度。为此，小红书将LLM深度融入搜索架构，打造了具备上下文感知与多轮交互能力的智能问答系统。例如，当用户提问“一个人去云南怎么玩才不踩坑”，系统不仅能识别地理与旅行意图，还能结合高互动笔记、真实用户经验与季节因素，生成结构化、可读性强的回答。这种从“结果罗列”到“知识生成”的转变，标志着搜索范式的根本升级。更值得关注的是，AI搜索还与推荐系统协同运作，通过语义理解打通内容之间的隐性关联，使冷启动笔记获得更公平的曝光机会，进一步激活了社区的内容活力与创作者积极性。 ### 1.3 小红书AI搜索面临的挑战与应对策略 尽管AI搜索在小红书取得了显著进展，但其发展之路并非一帆风顺。如何在保障LLM生成内容准确性的同时避免幻觉问题？如何在高并发场景下维持低延迟响应？这些都是工业级落地必须跨越的技术鸿沟。此外，小红书作为一个高度依赖真实分享的社区，对信息可信度的要求极为严苛，任何误导性回答都可能损害用户信任。为此，技术团队采取了“大模型+小模型”协同的混合架构：用LLM负责语义理解和内容生成，再通过轻量级判别模型进行事实校验与风险过滤。同时，通过模型蒸馏、缓存优化与分布式计算等手段，大幅降低推理成本，确保系统在高峰期仍能稳定运行。更重要的是，小红书坚持“以人为本”的AI设计理念，将用户反馈纳入持续迭代闭环，让技术进步始终服务于真实用户体验的提升。 ## 二、小红书智能问答的实践与突破 ### 2.1 智能问答系统的构建原理 小红书智能问答系统的诞生，是一场技术理性与人文关怀交织的革新。其核心在于将大型语言模型（LLM）深度嵌入搜索架构，实现从“关键词匹配”到“意图理解”的质变。系统首先通过语义编码器对用户查询进行多维度解析，识别其中的显性需求与隐性情感，例如“油皮夏天脱妆严重怎么办”不仅被解码为美妆+季节+肤质的组合标签，更捕捉到了用户的焦虑情绪。随后，LLM基于海量高互动笔记内容生成结构化回答，融合真实用户经验与场景化建议。但生成并非终点——系统引入“检索-生成-校验”三重流水线机制，在输出前由轻量级判别模型对事实准确性、社区规范和潜在幻觉进行实时过滤。这一设计既保留了LLM强大的语言组织能力，又确保了信息的真实可信。更重要的是，整个系统建立在动态反馈闭环之上，每一次点击、停留与跳转都成为优化模型判断逻辑的数据燃料。正是这种以用户行为为镜的技术哲学，让小红书的AI搜索不再是冷冰冰的算法堆砌，而是一个持续学习、不断进化的智慧生命体。 ### 2.2 小红书智能问答系统的技术亮点 小红书智能问答系统的技术突破，体现在多个层面的创新协同之中。最引人注目的是其“大模型+小模型”混合架构：LLM负责语义理解和内容生成，而定制化的小模型则承担排序、去噪与风险控制任务，实现了性能与效率的平衡。团队还采用了模型蒸馏技术，将千亿参数大模型的知识迁移到更轻量级的推理模型中，使响应延迟稳定控制在300毫秒以内，满足工业级高并发需求。此外，系统构建了跨模态语义空间，打通图文、视频与直播内容的语义壁垒，让用户提问时无需区分内容形式，即可获得最优答案。值得一提的是，小红书独创的“上下文感知增强”机制，支持多轮对话记忆与场景延续，使得用户可以在一次会话中完成“推荐目的地→规划行程→查找穿搭”的连贯操作。这些技术亮点共同构筑了一个高效、精准且富有温度的智能问答体系，标志着AI搜索从小功能模块向平台级智能中枢的跃迁。 ### 2.3 智能问答在用户体验中的价值体现 当技术真正服务于人，改变便悄然发生。小红书智能问答系统带来的不仅是搜索效率的提升，更是一次用户体验的深层重塑。数据显示，自系统上线以来，搜索点击率提升了超过40%，用户平均停留时间增长近25%，这背后是无数个“被真正理解”的瞬间累积而成的信任感。一位独自旅行的年轻女性输入“一个人去云南怎么玩才不踩坑”，得到的不再是零散的攻略链接，而是一份融合安全提示、小众路线、穿搭建议与应急联系方式的个性化出行指南——这份温暖的回答，源自AI对千万真实笔记的提炼，也承载着社区共情的力量。对于创作者而言，智能问答让更多优质冷启动内容被看见，笔记曝光公平性显著提升。而对于平台整体生态来说，每一次精准回应都在加固“发现美好生活”的初心。在这里，AI不只是工具，更是连接人与美好生活的桥梁，让每一次提问，都成为通往理想生活的一次温柔启程。 ## 三、LLM在工业级搜索和机器学习中的应用 ### 3.1 大型语言模型的简介与发展 大型语言模型（LLM）作为人工智能领域近年来最具革命性的技术突破，正以前所未有的速度重塑信息获取与交互方式。这类模型基于海量文本数据训练而成，拥有数十亿甚至数千亿参数，能够理解并生成自然语言，具备上下文推理、语义关联和多轮对话能力。自GPT系列模型问世以来，LLM从实验室走向工业应用，逐步渗透至搜索、客服、内容创作等多个场景。其发展不仅体现在模型规模的扩张，更在于架构优化、训练效率提升以及对垂直场景的深度适配。特别是在语义理解和意图识别方面，LLM展现出远超传统NLP模型的能力，使得机器真正开始“读懂”人类语言背后的情感与需求。在这一浪潮中，小红书敏锐捕捉到LLM在内容密集型平台中的巨大潜力，将其作为推动AI搜索进化的关键引擎，开启了从“检索工具”向“智能伙伴”的跃迁之旅。 ### 3.2 小红书如何将LLM应用于搜索与机器学习 在小红书庞大的内容生态中，每天有数以亿计的笔记被发布，涵盖生活方方面面的真实经验与情感表达。面对如此复杂多元的信息流，传统的关键词匹配已难以满足用户日益精细化的查询需求。为此，小红书将大型语言模型（LLM）深度融入工业级搜索与机器学习系统，构建起一套“理解—生成—校验”闭环的技术架构。通过语义编码器解析用户查询中的显性需求与隐性情绪，LLM基于高互动笔记生成结构化、可读性强的回答，并由轻量级判别模型进行事实核查与风险过滤，确保输出既精准又可信。为应对高并发挑战，团队采用模型蒸馏与缓存优化技术，将响应延迟控制在300毫秒以内，保障用户体验流畅。更重要的是，LLM并非孤立运行，而是与推荐系统协同联动，打通内容间的隐性关联，让优质冷启动笔记获得公平曝光机会。正是这种技术与人文并重的设计理念，使小红书的AI搜索实现了从“搜得到”到“懂你所需”的跨越。 ### 3.3 LLM应用的未来展望 展望未来，大型语言模型在AI搜索中的应用将不再局限于问答生成，而是朝着更深层次的个性化、情境化与智能化演进。小红书的技术探索已初现端倪：通过上下文感知增强机制，支持多轮对话记忆与场景延续，让用户能在一次会话中完成“推荐目的地→规划行程→查找穿搭”的连贯操作。这不仅是功能的叠加，更是体验的重构——搜索正在变成一种自然的生活助手。随着多模态融合技术的发展，图文、视频、直播等内容形式将在统一语义空间中被无缝理解与调用，进一步打破信息壁垒。同时，模型小型化与推理效率的持续优化，也将推动LLM在移动端实现更低延迟、更高可用性的部署。可以预见，在不久的将来，AI搜索将成为每个用户专属的“数字生活顾问”，不仅能回答问题，更能预判需求、提供决策支持。而小红书所践行的“以人为本”的AI哲学，或将为整个行业树立一个温暖而可信的范本：技术的终极目标，不是替代人类，而是让更多美好被看见、被理解、被传递。 ## 四、总结 小红书AI搜索在高龑团队的引领下，实现了从传统关键词检索到智能问答的跨越式发展。通过将大型语言模型（LLM）深度融入工业级搜索系统，构建“检索-生成-校验”闭环架构，平台不仅提升了搜索点击率超40%，更使用户平均停留时间增长近25%。其“大模型+小模型”协同机制与模型蒸馏技术，有效平衡了生成质量与响应延迟，将系统推理延迟稳定控制在300毫秒以内，保障了高并发下的流畅体验。未来，随着多模态融合与上下文感知能力的深化，小红书的AI搜索正朝着个性化、情境化的“数字生活顾问”演进，持续践行“以人为本”的技术理念，让每一次搜索都成为通往美好生活的温柔启程。