什么是`Search Generative Experience`（`SGE`）？我应该如何准备？ - 智猿学院-前后端，数据库，人工智能，云计算等领域前沿技术讲座

好的，下面我们来深入探讨一下Search Generative Experience (SGE)以及如何为它做好准备。

什么是 Search Generative Experience (SGE)?

SGE，即搜索生成体验，是搜索引擎（目前主要指Google）对传统搜索结果呈现方式的重大革新。它不再仅仅依赖于罗列一系列相关链接，而是试图直接理解用户的搜索意图，并利用大型语言模型（LLM）生成一个更全面、更简洁、更具互动性的答案。

传统搜索结果通常是网页链接的列表，用户需要自行浏览多个页面才能找到所需信息。SGE则试图整合各种来源的信息，生成一个摘要或回答，并提供相关链接作为参考。这种方式旨在节省用户的时间和精力，提供更直接、更高效的信息获取方式。

SGE的核心在于利用LLM理解搜索查询的语义，从大量文档中提取相关信息，并以一种易于理解的方式呈现给用户。这通常涉及以下几个关键步骤：

查询理解： 分析用户输入的查询，确定其意图、关键词和上下文。
信息检索： 从索引的网页、数据库和其他知识来源中检索相关信息。
信息提取： 从检索到的文档中提取关键信息片段。
信息整合： 将提取的信息片段整合在一起，形成一个连贯的答案或摘要。
生成： 使用LLM生成最终的答案或摘要，并提供相关链接作为参考。

SGE 与传统搜索的区别：

特征	传统搜索	SGE
呈现方式	链接列表	生成式摘要、对话式界面、可视化信息等
信息来源	网页链接	多种来源 (网页、数据库、知识图谱等)
交互方式	单向 (用户点击链接)	双向 (用户与搜索系统进行对话)
搜索意图理解	相对简单	更深入、更复杂
结果个性化	有限	更强，基于用户历史和上下文
内容类型	主要文本	多种类型 (文本、图像、视频、代码等)
代码支持	有限，通常需要点击链接查看	直接在搜索结果中显示和运行代码片段

SGE 对开发者的影响：

SGE的出现对开发者产生了深远的影响，主要体现在以下几个方面：

SEO 的转变： 传统的SEO策略，如关键词堆砌和链接建设，在SGE时代可能不再有效。开发者需要更加注重内容的质量、相关性和用户体验。
结构化数据的重要性： 结构化数据可以帮助搜索引擎更好地理解网页的内容，从而提高在SGE中被引用的机会。
内容营销的挑战： 开发者需要创作更具深度和广度的内容，以满足SGE对信息整合的需求。
API 和数据源的开放： 开发者可以通过API向SGE提供数据，从而扩展其信息来源和功能。
新的交互方式： SGE的对话式界面为开发者提供了新的交互方式，可以构建更智能、更个性化的应用。

如何为 SGE 做好准备？

为了在SGE时代保持竞争力，开发者需要从多个方面进行准备。

优化内容质量：
- 深度和广度： 创作更深入、更全面的内容，覆盖特定主题的各个方面。
- 原创性和独特性： 避免抄袭和重复，提供独特的见解和价值。
- 易读性和可理解性： 使用清晰简洁的语言，避免使用专业术语和晦涩难懂的表达。
- 更新频率： 定期更新内容，保持信息的时效性和准确性。

利用结构化数据：

Schema.org： 使用Schema.org词汇表标记网页内容，帮助搜索引擎理解其含义。
JSON-LD： 使用JSON-LD格式嵌入结构化数据，方便搜索引擎解析。
常见的Schema类型：
- Article：用于标记文章。
- Product：用于标记产品。
- Recipe：用于标记食谱。
- Event：用于标记活动。
- Organization：用于标记组织。

代码示例 (JSON-LD)：

<script type="application/ld+json">
{
  "@context": "https://schema.org/",
  "@type": "Article",
  "headline": "SGE: Search Generative Experience Explained",
  "description": "An in-depth look at Google's Search Generative Experience and how to prepare for it.",
  "image": {
    "@type": "ImageObject",
    "url": "https://example.com/sge-image.jpg",
    "width": 1200,
    "height": 630
  },
  "author": {
    "@type": "Person",
    "name": "Your Name"
  },
  "datePublished": "2023-10-27",
  "publisher": {
    "@type": "Organization",
    "name": "Your Website",
    "logo": {
      "@type": "ImageObject",
      "url": "https://example.com/logo.png"
    }
  }
}
</script>

优化用户体验：
- 页面加载速度： 优化页面加载速度，提供流畅的用户体验。
- 移动端友好性： 确保网站在移动设备上也能正常显示和使用。
- 易导航性： 设计清晰的导航结构，方便用户找到所需信息。
- 可访问性： 遵循Web内容可访问性指南 (WCAG)，确保网站对所有用户都可用。
利用API和数据源：
- Google Knowledge Graph API： 利用该API获取Google知识图谱中的信息，丰富网页内容。
- 其他API： 集成第三方API，提供更丰富的功能和服务。
- 开放数据： 使用开放数据资源，如政府数据和学术数据，扩展信息来源。

关注代码示例和技术文档：

代码可执行性： 如果你的网站包含代码示例，确保它们是可执行的，并且提供清晰的解释。
技术文档质量： 编写高质量的技术文档，包括API文档、教程和示例代码。
代码格式化： 使用代码格式化工具，使代码更易于阅读和理解。

代码示例 (Python):

def factorial(n):
  """
  Calculate the factorial of a non-negative integer.

  Args:
    n: A non-negative integer.

  Returns:
    The factorial of n.
  """
  if n == 0:
    return 1
  else:
    return n * factorial(n-1)

# Example usage
number = 5
result = factorial(number)
print(f"The factorial of {number} is {result}") # 输出: The factorial of 5 is 120

利用 Schema.org 的 Code 类型：

如果您需要在网页中展示代码片段，可以使用 Schema.org 的 Code 类型来标记。这可以帮助搜索引擎更好地理解您的代码，并将其以更友好的方式呈现给用户。
```
<script type="application/ld+json">
{
  "@context": "https://schema.org/",
  "@type": "Code",
  "name": "Python factorial function",
  "description": "A function to calculate the factorial of a number.",
  "codeRepository": "https://example.com/code-repository",
  "programmingLanguage": "Python",
  "codeSampleType": "full",
  "code": """
def factorial(n):
  if n == 0:
    return 1
  else:
    return n * factorial(n-1)
  """
}
</script>
```
在这个例子中：
- @type: 指定类型为 Code。
- name: 代码片段的名称。
- description: 代码片段的描述。
- codeRepository: 代码仓库的URL (如果适用)。
- programmingLanguage: 编程语言。
- codeSampleType: 代码示例的类型 (例如 "full", "snippet")。
- code: 实际的代码片段。
代码片段的优化建议：
- 清晰的注释： 在代码中添加清晰的注释，解释代码的功能和逻辑。
- 代码示例： 提供代码示例，演示如何使用代码片段。
- 错误处理： 包含错误处理机制，提高代码的健壮性。
- 可读性： 使用一致的缩进和命名规范，提高代码的可读性。
适应对话式搜索：
- 理解用户意图： 分析用户提出的问题，理解其背后的意图。
- 提供简洁的答案： 用简洁明了的语言回答用户的问题。
- 提供上下文信息： 在回答问题时，提供相关的上下文信息，帮助用户更好地理解。
- 支持多轮对话： 设计应用，支持多轮对话，让用户可以逐步 уточнить 搜索意图。
例如，一个关于 "如何使用 Python 读取 CSV 文件" 的对话：
- 用户： "如何使用 Python 读取 CSV 文件？"
- SGE： "您可以使用 Python 的 csv 模块读取 CSV 文件。以下是一个简单的示例："
```
import csv

with open('my_file.csv', 'r') as file:
    reader = csv.reader(file)
    for row in reader:
        print(row)
```
  "这个代码片段打开名为 my_file.csv 的 CSV 文件，并逐行打印每一行。"
- 用户： "如何跳过第一行（标题行）？"
- SGE： "您可以使用 next() 函数跳过第一行："
```
import csv

with open('my_file.csv', 'r') as file:
    reader = csv.reader(file)
    next(reader) # Skip the header row
    for row in reader:
        print(row)
```
  "next(reader) 会读取并丢弃迭代器的下一项，这里是第一行。"
监控和分析：
- 跟踪指标： 跟踪网站的流量、排名和用户参与度等指标，了解SGE对网站的影响。
- 分析数据： 分析数据，找出改进的机会，并不断优化网站。
- A/B 测试： 进行A/B测试，比较不同策略的效果，找到最佳的方案。

SGE 的技术挑战 (对搜索引擎而言):

信息真实性： 从海量信息中识别和过滤虚假信息，确保提供的答案是准确可靠的。
信息偏见： 避免LLM产生的偏见，确保搜索结果的公正性和客观性。
版权问题： 处理好信息来源的版权问题，避免侵权行为。
计算成本： LLM的计算成本非常高昂，如何在保证性能的同时降低成本是一个挑战。
可解释性： 理解LLM生成答案的逻辑，提高搜索结果的可解释性。

未来趋势：

更个性化的搜索结果： SGE将更加注重用户个性化，根据用户的兴趣、历史和上下文提供定制化的搜索结果。
更智能的对话式界面： SGE的对话式界面将更加智能，能够理解更复杂的查询，并提供更自然的交互体验。
更多模态的搜索： SGE将支持更多模态的搜索，如图像搜索、语音搜索和视频搜索。
更强的代码理解和执行能力： SGE将能够更好地理解和执行代码，为开发者提供更强大的工具。
与人工智能的更深融合： SGE将与人工智能技术更深度融合，例如利用强化学习优化搜索算法，利用生成对抗网络 (GANs) 生成更逼真的图像和视频。

为了更好地适应 SGE，开发者需要不断学习新的技术，拥抱新的理念，并积极参与到这场搜索革命中。通过优化内容质量、利用结构化数据、改善用户体验、利用API和数据源，以及适应对话式搜索，开发者可以为SGE做好充分的准备，并在新的搜索生态系统中取得成功。

总结:

SGE 是一种搜索方式的重大变革，它利用生成式 AI 提供更直接和全面的搜索结果。为了适应 SGE，开发者需要关注内容质量，结构化数据，用户体验，并利用 API。持续学习和适应是应对 SGE 带来的变化的必要条件。

发表回复 取消回复

发表回复取消回复