Bates的“采莓式搜索”理论：为何AI时代仍需支持动态演进的查询

1989 年，Marcia Bates 指出，人们通过边收集、边转移、边修正来进行搜索。她的观点解释了 AI 仍然缺失什么，以及 47 年前的研究至今仍有何意义。

产品团队正在了解的人工智能搜索的许多内容，一位信息科学家早在互联网出现之前就已写下。Marcia J. Bates 在 UCLA 度过了整个职业生涯，研究人们如何进行搜索，她在 1989 年发表的论文 The Design of Browsing and Berrypicking Techniques for the Online Search Interface 中主张，真实的搜索会漫游、改变形态，并以碎片化的方式积累价值。

她针对的是那些假设一次查询对应一个最佳结果的图书馆数据库；AI 彻底颠覆了这一点。

聊天框做出了同样的假设，只是速度更快。

在人工智能时代，Bates 依然具有相关性，甚至可以说比以往任何时候都更重要。大型语言模型改变了系统能回答什么，但没有改变一个人提问的方式，这仍然意味着从模糊开始、在阅读中学习，并在中途改变方向。

我有幸在 2018 年芝加哥的 IA Summit 上见到她——她非常礼貌地问我们是否可以一起吃午饭，我带了几位同事一起。那成了一场精彩的对话，我至今仍在使用当时学到的概念，这些概念与我们现在用 AI 做的事情有着惊人的相关性，哪怕当时我的公司还只是在应用机器学习。

我用她的概念来构建法律科技软件中的搜索和人工智能摘要框架。任何设计搜索或摘要的人都应该感谢她。

她的五个观点依然成立，每一个都与你现在做出的决策息息相关。

支持不断演变的搜索

Bates 撰写 berrypicking（采莓式）论文是为了抨击经典检索模型，该模型将搜索视为一次查询与数据库的一次匹配，从而产生一组最佳结果。

她的反对意见可以概括为一句话：“典型的搜索查询不是静态的，而是不断演变的。”

人们从一个参考点或大主题的一个狭窄切片开始，阅读返回的内容，并让每一次发现重塑问题。

她用“采莓”来命名这种逐次收集的行为，灵感来自在森林中采摘散落各处的越橘。Marti Hearst 后来在 Models of the Information Seeking Process 中将这一模型确立为界面设计师的标准参考。

随着人的学习，需求本身也会发生变化，这使得采莓式搜索区别于那些表面上看起来相似的搜索方法：

• 已知项查找。你知道自己想要什么，比如一个事实或一个文件，一次查询要么找到它，要么找不到。你通常可以用一个词完成这项任务。
• 迭代优化。你重新措辞以命中一个固定目标，这正是 Gerard Salton 的相关性反馈所自动化的工作。词语变了，但需求没变。
• 浏览。你在同一个地方瞥见、采样和挑选。Bates 将其视为更大搜索中的一个动作，而非同一回事。
• 采莓式搜索。需求在不断演变，答案来自多个来源的碎片，而不是作为一个最终集合出现。

最后这一差异正是为什么成功的搜索如此难以定义：

• 经典模型让研究人员能够对一组结果集进行精确率和召回率的评分。
• 采莓式搜索没有单一的结果集可供评分，而贝茨将“知道何时停止”称为搜索策略的根本问题之一。
• 对某条聊天回答点赞衡量的是最后一颗浆果，而非采摘过程。

有时最重要的恰恰是未被找到的内容。

一片空白区域能向采莓者传递信息，无论是缺乏相关的早期判例、合同中不存在冲突条款，还是针对某个问题尚无研究。一个总是给出自信答案的系统会隐藏这种信号，因为它从不让缺失显现出来。

聊天窗口奖励那些已经确切知道自己想要什么的用户，而这正是最需要帮助最少的用户。

语言模型重复了经典的假设。

在 LLMs Get Lost in Multi-Turn Conversation 中，一项针对超过 200,000 次模拟对话的 2025 年研究发现，所有受测的顶级模型在任务分步到达时表现都更差，在六项任务中的平均下降幅度为 39%。这些模型过早做出猜测且未能恢复。

设计任务是支持那些问题仍在形成中的人。展示自初始提示以来发生了哪些变化，并允许人们在无需重新开始的情况下修正早期的假设。

贝茨甚至在 1989 年就勾勒出了工具雏形：一个临时存储库，供搜索者在过程中标记发现。

揭示搜索策略

十年前，贝茨发表了 Information Search Tactics，该论文在次年获得了其所在领域的最佳论文奖。根据她的定义，策略是为了推进搜索而采取的行动。

她将其分为四组，共列出了 29 种，其中包括：

• 检查（Check）。将当前搜索与原始请求进行比较。
• 精准定位（Pinpoint）。缩小到最精确的术语。
• 并行（Parallel）。通过同义词和相关术语扩大范围。
• 追溯（Trace）。从已找到的内容中挖掘新术语。
• 记录（Record）。追踪你走过的路径以及打算重访的路径。

她的前提是，命名一种策略使其更容易被调用。参考图书馆员使用了许多此类行动却没有名称，这使得初学者难以学习它们。

网络重复了这个问题。

人们不得不学会像使用 Google 那样进行搜索，将问题简化为两三个关键词，并在结果出错时添加引号或减号。他们现在对聊天也这样做，通过试错找出哪种措辞能得到有用的回答。

空白的提示框不包含任何这些策略，因此人们只能即兴发挥。

Nielsen Norman Group 在 Accordion Editing and Apple Picking: Early Generative-AI User Behaviors 中记录了一种即兴行为。

用户手动将先前回答的一部分复制到新的提示中，因为界面没有提供其他指向它的方式。这是以复制粘贴作为唯一工具的采莓式搜索。

这是一种搜索行为，因为聊天和搜索比看起来更相似。在这两者中，一个人将需求转化为文字，系统将其与存储的信息进行匹配，然后这个人判断返回的内容并再次尝试。

检索增强型助手在幕后运行搜索并总结结果，因此最大的区别在于回复的形式：一个是链接列表，另一个是一段文字。

Bates 关于搜索学到的一切也适用于黑桃聊天。

缺失的控制项对专家最为重要，他们把糟糕的结果集当作线索而非定论。他们会通过小幅度的收紧、排除、扩大和重新排序，直到结果集符合他们的意图，并由他们决定何时完成。在 Investigating the Querying and Browsing Behavior of Advanced Search Engine Users 中，Ryen White 和 Dan Morris 发现使用查询运算符的人与不使用的人在查询、点击、浏览和表现方面存在显著差异。

分面搜索是这些操作的界面版本。

在 Hearst 的章节 Integrating Navigation with Search 报告的一项研究中，32 名艺术史学生中有 91% 更喜欢分面图像界面而不是普通界面，尽管它更慢。

当 Bates 的 29 种策略中的大多数可以变成无需用户措辞的按钮时，聊天回复恰恰隐藏了那些分面和过滤器。

选择自动化级别

1990 年，Bates 提出了每个代理团队现在都在截止日期前回答的问题：Where Should the Person Stop and the Information Search Interface Start? 她的答案是一个量表。

• 在级别 0，系统不提供任何帮助。
• 级别 1 解释可能的操作
• 级别 2 根据命令执行它们
• 级别 3 观察搜索并建议下一步
• 级别 4 运行整个搜索，要么解释其选择，要么仅返回结果。

在产品术语中，这些级别很容易识别：

• 级别 1 是列出搜索运算符的帮助面板
• 级别 2 是你点击时运行的过滤器
• 级别 3 是“您是不是要找”更正或建议的后续问题。
• 级别 4 是消失几分钟然后带着完整报告回来的研究代理。

她认为研究一直专注于级别 4，而许多搜索者想要自动化的速度和策略的控制权。Jakob Nielsen 在 2023 年将生成式工具称为 AI: First New UI Paradigm in 60 Years，描述了控制权的反转，即用户陈述结果，计算机选择方法。

Bates 早在几十年前就绘制了这种反转，并将大部分有用领域置于远端之前。

大多数 AI 产品直接跳到级别 4 并将结果称为代理。这是不对的。

跳过中间阶段就跳过了建立信任的级别。即使机器出错，人们也会顺从它，我在 UX Guidelines 上的 Automation Bias 条目中记录了这一点，这是我维护的一个参考网站。为每个任务选择级别，让人们转动旋钮。

修复内容层

她 2002 年的论文 The Cascade of Interactions in the Digital Library Interface 列出了任何搜索体验下的层次结构：基础设施、内容、元数据、索引和搜索引擎，以及位于顶部的界面和人。

每一层的决策都会向上波及，良好的界面设计无法挽救下游的薄弱选择。

把“数字图书馆”换成“检索增强助手”，几乎没什么变化。模型之上是团队不断打磨的聊天窗口。模型之下则是文档存储、分块规则和权限设置，这些都是多年前为其他目的而建立的。良好的元数据能为模型提供上下文，告诉它文档是什么、适用于谁以及是否仍然有效。演示基于 20 份干净的文档运行，而生产环境面对的却是十年积累的重复政策和未标记草稿。

语义层更进一步。

它定义了术语的含义及其相互关系，因此“customer”、“client”和“account holder”会解析为同一事物，模型基于共享定义工作，而不是靠猜测。

Bates 在 1986 年提出了与此相近的概念：一种聚类词库（cluster thesaurus），将某个概念的所有变体汇集在一个条目下，使得对任何术语的搜索都能找到它们 全部。

建立在糟糕索引上的流畅答案仍然是糟糕的答案。

Gartner 在 缺乏 AI 就绪数据使 AI 项目面临风险（2025 年 2 月发布）中预测，到 2026 年，组织将放弃 60% 因缺乏就绪数据的人工智能项目。这是一个预测，但同一份报告指出，63% 的组织缺乏正确的数据实践或不确定自己是否具备这些实践。

这对设计师来说是不舒服的部分。搜索结果或生成式答案的质量就是用户体验，围绕它的任何修饰都无法弥补其薄弱之处。

你的影响力必须向下延伸到标注和索引环节，Bates 主张每一层的专家都必须共同设计。

为浏览而设计

Bates 在 2007 年通过 什么是浏览——真的吗？一个源自行为科学研究模型 重新审视了浏览。她认为，浏览是一系列瞥见：你摄取视野范围，选择某物，检查它，然后保留或丢弃，并 重复。

她将其追溯到动物寻找食物和住所时使用的探索性行为，这就是为什么没人需要被教导 如何浏览。

同样，我走过 65 个机场，部分原因是想看看城市如何告诉人们东西在哪里。好的航站楼让你能一眼看清整个大厅，找到需要的标识，并在不询问任何人的情况下改变路线。这与在咨询台等待一个 答案截然相反。

生成式搜索正悄悄地把人推向 咨询台。

Pew Research Center 在 2025 年 3 月追踪了 900 名美国成年人的浏览行为，并报告称 当结果中出现 AI 摘要时，Google 用户点击链接的可能性降低。带有摘要的访问导致结果点击的概率为 8%，而没有摘要时为 15%；在摘要页面直接结束会话的比例为 26%，而在其他页面这一比例为 16%。

其中一些是因为摘要发挥了作用。另一些则是因为一个人从未瞥见他们不知道要去索取的来源。因此，要在答案周围保留场景，包含邻近来源和相关线索，让瞥见仍有落脚之处。

结论

这些想法没有一个来自研究人工智能。它们来自观察人们在图书馆、卡片目录和早期在线数据库中的行为，而这正是它们 成立的原因。

人与信息之间的技术一直在变化。人却几乎没变。

把贝茨的五个观点放在一起读，它们构成了一个论点。搜索是人们随时间推移进行的活动，使用他们自己选择的动作，在他们想要的控制层级上，建立在从未被看见的底层之上。他们的眼睛比任何查询都做了更多的工作。其中的每一部分都是一个设计决策，而目前大多数产品都是默认做出的。

她还留下了一个我称之为“采莓测试”的标准，适用于你路线图上的任何助手。它是否期望问题发生变化，还是惩罚这种变化？它是否命名了这些动作，还是让人们自己去发明？人们能否选择系统决定多少内容，以及谁拥有底层的内容？是否还有四处看看的空间？

单一答案令人印象深刻。但它也是她花了几十年时间反对的经典模型，只是语法更好。在这一代工具中表现最好的团队，会为“采莓者”做设计——即那些问题尚未定型的人。

行动项

• 显示问题历史。 保留用户迄今所提问题的可见摘要，并允许他们在不开始新对话的情况下编辑较早的问题。
• 添加细化控件。 在每个答案旁边放置用于缩小范围、排除、扩大范围和对照原始请求进行检查的按钮，这样就不必把这些动作表述为提示词。
• 按任务设置自动化。 确定哪些任务系统仅建议执行，哪些可以自行运行，并提供一个让用户更改此设置的选项。
• 先修复元数据。 用类型、所有者、日期和状态标记文档，在语义层中定义共享术语，并显示每个答案背后的来源，包括未找到相关内容时的情况。

资源

• 信息与信息职业, Marcia J. Bates 选集, 第一卷 (Ketchikan Press, 2016)。收录了她关于信息本质的文章，包括《信息的基本形式》和《信息科学的隐形基底》。
• 信息检索理论与实践, 选集, 第二卷 (Ketchikan Press, 2016)。收录了《信息检索策略》和《什么是浏览——真的吗？》，以及她在检索技术方面的工作。
• 信息用户与信息系统设计, 选集, 第三卷 (Ketchikan Press, 2016)。包含采莓论文和她 1990 年关于检索系统应为用户做多少工作的论文。
• 理解信息检索系统：管理、类型与标准 (Auerbach Publications, 2012)。由她编辑的一部参考书，涵盖检索系统的管理方式、主要类型及其背后的标准。
• Marcia J. Bates 主页。她的 UCLA 页面，提供了本文中引用的许多论文的免费副本。