大家好，我是三元。

在上一篇文章未來不會使用 AI 的人真的會被淘汰嗎？中，我提到了 AI 對我們工作的影響，在它擅長的領域，我們可以通過它的加持來提高工作效率，比如對于一些復雜性不高的編碼工作，可以交給 AI 來幫我們完成。而當今大熱的 ChatGPT，無疑是給我們提供了一個很好的窗口，但作為一個通用性的 AI 工具，從開發者的視角來看，它還不夠好用。

今天，我要介紹的這個工具，可以說是專門為開發者打造的 AI 工具，它就是 phind。

圖片

官網地址: https://phind.com

定位

phind 的定位是成為一個面向開發者的 AI 搜索引擎，它的目標是幫助開發者更快的找到自己想要的資源，比如代碼、文檔、教程等等，基于 GPT 模型實現，目前也免費支持 GPT4 模型，不過每 6 小時只能使用 30 次。

相比于傳統的搜索引擎，它集成了 AI 的能力，并且支持上下文對話，可以更好的理解開發者的意圖，從而提供更加精準的搜索結果；而相比于原生的 ChatGPT 聊天框，它又封裝了一些上層的功能，比如可以根據你的需求搜索第三方庫、查詢最新的技術文檔等等，這些功能都是開發者所需要的。

使用示例

在平時的開發過程中，這種 AI 搜索引擎存在很多的應用場景，比如當你想要使用某個第三方庫的時候，你可以直接在 phind 中搜索，它會給你提供一些相關的信息，比如官網地址、文檔地址、GitHub 地址等等，并且給你提供完整的 demo 代碼，甚至可以直接粘貼過去使用。

搜索高亮需求

舉個例子，假如我現在想要實現一個搜索關鍵字高亮的功能，我可以將需求輸入 phind 的搜索框中:

圖片

我們可以看到，phind 在拿到我們的輸入后，會試圖將我們的需求描述得更加詳細，并詢問我們它理解得是否正確。這就有點 AutoGPT 的影子了，在給它目標后，它能自動細化需求、分解任務，并且還允許我們在這個過程中進行反饋，更好地幫助它理解需求。

我們輸入 "Yes"，讓它繼續。

圖片

圖片

圖片

隨著我們確認繼續，它總結出了final task，然后緊接著給出了具體的實現方案，分為了四步，每一步都有詳細的描述，還有對應的代碼示例。

將前面三步的代碼直接粘貼到編輯器中，我們可以看到一個搜索高亮功能的簡單實現，效果如下：

圖片

而在第四步中，它還給出了一個優化后的方案，基于 Fuse.js 實現模糊匹配，這樣當我們輸入的關鍵字不完全匹配的時候，也能給我們過濾出相應的記錄，比如搜索 "dolr" 時，會過濾出如下的記錄:

圖片

當然，如果你還有更近一步的需求，你也可以繼續跟它對話，不斷地迭代功能，而且它還會記錄對話上下文，即使你中途切換了任務，下次打開對話也能基于之前的上下文繼續對話。

你能看到，phind 不光能拆解我們的需求，還能根據我們的需求尋找到第三方庫的解決方案，這對于一些相對簡單的需求還說是非常有用的，對于這個搜索高亮的需求來說，我覺得回答到這一步它的功能已經足夠了，后面我們考慮的就是如何將它提供的組件集成到自己的項目中，做一做優化，不過成本最高的部分已經被 phind 解決了。

查詢技術文檔

在之前的文章 AIGC 如何影響下一代文檔搜索方案？中，我已經提到過 AI 搜索對于文檔搜索的作用，它可以幫助我們獲取更準確的搜索結果。而 phind 在這一方面也做的非常出色，它和原生的 ChatGPT 相比最大的優勢在于它支持了網絡搜索，可以拿到最新的技術文檔的內容，然后根據我們的需求進行過濾，這樣我們就能快速地找到我們想要的信息了，并且速度還非常快。

舉個例子，比如我想要搜索 Rspack 的文檔:

圖片

圖片

當我詢問如何在 Rspack 關閉 JS 的代碼壓縮，它給出了相關的配置項，并且給出了對應的文檔鏈接，我們可以看到，它的回答非常精準，而且回答速度也非常快，這對于我們平時的開發來說非常便利。

小結

phind 的出現，讓我們看到了 AI 的另一種可能性，那就是結合 AI 大語言模型和傳統的搜索引擎，為垂直領域提供更加精準的搜索服務。而對于開發者來說，phind 這種工具的出現，無疑是一個福音，它可以幫助我們更快地找到我們想要的信息，提高我們的開發效率。經過實際的嘗試，phind 的用戶體驗很不錯的，響應速度非常快，回答質量也相對較高。