phind: 专注于开发者的 AI 搜索引擎诞生！

大家好，我是三元。

在上一篇文章未来不会使用 AI 的人真的会被淘汰吗？中，我提到了 AI 对我们工作的影响，在它擅长的领域，我们可以通过它的加持来提高工作效率，比如对于一些复杂性不高的编码工作，可以交给 AI 来帮我们完成。而当今大热的 ChatGPT，无疑是给我们提供了一个很好的窗口，但作为一个通用性的 AI 工具，从开发者的视角来看，它还不够好用。

今天，我要介绍的这个工具，可以说是专门为开发者打造的 AI 工具，它就是 phind。

图片

官网地址: https://phind.com

定位

phind 的定位是成为一个面向开发者的 AI 搜索引擎，它的目标是帮助开发者更快的找到自己想要的资源，比如代码、文档、教程等等，基于 GPT 模型实现，目前也免费支持 GPT4 模型，不过每 6 小时只能使用 30 次。

相比于传统的搜索引擎，它集成了 AI 的能力，并且支持上下文对话，可以更好的理解开发者的意图，从而提供更加精准的搜索结果；而相比于原生的 ChatGPT 聊天框，它又封装了一些上层的功能，比如可以根据你的需求搜索第三方库、查询最新的技术文档等等，这些功能都是开发者所需要的。

使用示例

在平时的开发过程中，这种 AI 搜索引擎存在很多的应用场景，比如当你想要使用某个第三方库的时候，你可以直接在 phind 中搜索，它会给你提供一些相关的信息，比如官网地址、文档地址、GitHub 地址等等，并且给你提供完整的 demo 代码，甚至可以直接粘贴过去使用。

搜索高亮需求

举个例子，假如我现在想要实现一个搜索关键字高亮的功能，我可以将需求输入 phind 的搜索框中:

图片

我们可以看到，phind 在拿到我们的输入后，会试图将我们的需求描述得更加详细，并询问我们它理解得是否正确。这就有点 AutoGPT 的影子了，在给它目标后，它能自动细化需求、分解任务，并且还允许我们在这个过程中进行反馈，更好地帮助它理解需求。

我们输入 “Yes”，让它继续。

图片

图片

图片

随着我们确认继续，它总结出了final task，然后紧接着给出了具体的实现方案，分为了四步，每一步都有详细的描述，还有对应的代码示例。

将前面三步的代码直接粘贴到编辑器中，我们可以看到一个搜索高亮功能的简单实现，效果如下：

图片

而在第四步中，它还给出了一个优化后的方案，基于 Fuse.js 实现模糊匹配，这样当我们输入的关键字不完全匹配的时候，也能给我们过滤出相应的记录，比如搜索 “dolr” 时，会过滤出如下的记录:

图片

当然，如果你还有更近一步的需求，你也可以继续跟它对话，不断地迭代功能，而且它还会记录对话上下文，即使你中途切换了任务，下次打开对话也能基于之前的上下文继续对话。

你能看到，phind 不光能拆解我们的需求，还能根据我们的需求寻找到第三方库的解决方案，这对于一些相对简单的需求还说是非常有用的，对于这个搜索高亮的需求来说，我觉得回答到这一步它的功能已经足够了，后面我们考虑的就是如何将它提供的组件集成到自己的项目中，做一做优化，不过成本最高的部分已经被 phind 解决了。

查询技术文档

在之前的文章 AIGC 如何影响下一代文档搜索方案？中，我已经提到过 AI 搜索对于文档搜索的作用，它可以帮助我们获取更准确的搜索结果。而 phind 在这一方面也做的非常出色，它和原生的 ChatGPT 相比最大的优势在于它支持了网络搜索，可以拿到最新的技术文档的内容，然后根据我们的需求进行过滤，这样我们就能快速地找到我们想要的信息了，并且速度还非常快。

举个例子，比如我想要搜索 Rspack 的文档:

图片

图片

当我询问如何在 Rspack 关闭 JS 的代码压缩，它给出了相关的配置项，并且给出了对应的文档链接，我们可以看到，它的回答非常精准，而且回答速度也非常快，这对于我们平时的开发来说非常便利。

小结

phind 的出现，让我们看到了 AI 的另一种可能性，那就是结合 AI 大语言模型和传统的搜索引擎，为垂直领域提供更加精准的搜索服务。而对于开发者来说，phind 这种工具的出现，无疑是一个福音，它可以帮助我们更快地找到我们想要的信息，提高我们的开发效率。经过实际的尝试，phind 的用户体验很不错的，响应速度非常快，回答质量也相对较高。