DeepSeek刚把搜索卷起来，另一种玩法开始全网「捞人」

让全网信息变成合作机会。

近日，DeepSeek开放了自研网页搜索接口，它还披露，这套引擎每天处理全球数亿次请求，已经收录千亿级网页。

它正在把自己积累的搜索能力交给更多开发者，让其他产品也能借助这套引擎获取最新的网络信息。

不过，搜索引擎每天要处理的资料里，还有一类信息很特殊，那就是人。

而在这个过程里，最费时间的往往是把零散线索拼到同一个人身上。最近看到一家名叫Simplex AI的创业公司，它的创始人张博，曾担任DeepSeek-VL项目负责人。

如今，他带领团队做的Lev8，简单来说主要面向GTM，人物搜索是整个流程的起点，也是它最容易让人理解的一项能力。

你只要用平常说话的方式描述目标，系统就会寻找符合条件的对象，再结合公开资料判断匹配程度，生成一份可以继续编辑的名单。

这样听起来或许像招聘网站，但它的使用范围已经延伸到了品牌合作、销售获客、创业合伙人寻找和投资研究。

系统会同时参考实时网页、职业社交资料、公司网站、新闻以及部分专业数据库。

其底层资料覆盖50多家数据提供方和十亿级联系人，专利数据库和垂直论坛也被纳入研究范围。搜索过程会并行开展，先汇总可能符合条件的对象，再逐项核对姓名与履历。

这一步看似平常，其实是人物搜索的一大难点。同名的人可能出现在完全不同的行业，同一个人也可能留下多个网络账号。

Lev8建立了针对人物和公司的身份识别机制，尽量确认不同来源指向同一个对象，随后补全职业背景、任职信息和关联企业。

它还会标注匹配原因，按照用户关心的条件给候选人打分，优先展示更值得进一步了解的人，而非简单按关键词出现次数排列。

对于已有资料，用户可以上传一份表格，或者提供一组公司网址，系统便能识别企业、寻找相关负责人，并尝试补齐缺失的职业主页与商务联系资料。

此外，Lev8提供面向LinkedIn的人物与岗位信息整理，可结合用户发布的帖子、相关评论和招聘变化寻找潜在联系对象。

它还有Google Maps商家信息整理工具，支持按城市、商家类型和公开评价等条件查找企业，并汇总网站、地址和联系资料。

社交平台相关工具则延伸到了Instagram账号研究和创作者筛选。除此之外，Meta广告资料、竞争对手公开动态以及行业市场研究，都可以被组织成表格或报告。

这些工具的共同点，是将网页里零散的数据直接变成可继续处理的材料。

名单里的人选多了，资料质量就变得更加重要。Lev8设计了一套逐层补全机制，会尝试通过多个来源补齐工作邮箱、公开商务电话、公司规模、融资情况及职业信息，并核验邮箱格式和可投递性。

Lev8另一项很有价值的能力，是持续追踪目标变化，并且该产品进一步打通了后续沟通。

可以根据目标的任职经历、公司最新事件和合作需求，拟定更贴近对方情况的邮件或社交平台消息，支持电子邮件、LinkedIn、WhatsApp、Instagram及X等渠道。

用户可以控制联系对象、发送时段及后续跟进规则，部分更深入的自动发送能力需要付费套餐及相应账号授权。

Lev8支持连接超过1000款应用，可以与Google Sheets、Notion、Airtable以及常见客户管理系统配合，把研究结果写入已有表格或客户资料库。

这样一款明显偏向商务的产品，背后却是一支长期研究大模型的团队。

Simplex AI的创始人张博是浙江大学本科、香港科技大学博士，后来进入微软亚洲研究院担任研究员，也曾在DeepSeek参与模型研发。

在DeepSeek公开的多模态项目DeepSeek-VL里，张博为项目负责人，他同时参与过DeepSeek LLM相关研究。

这家公司另一位值得注意的人物是CTO张攀。张攀本科毕业于中国科学技术大学，之后参加微软亚洲研究院与中科大的联合博士培养项目。2022年，他进入上海人工智能实验室，长期参与视觉与多模态研究。

两人的研究生涯中，有不少工作围绕图像生成与视觉理解展开，创业后却选择了一个日常得多的商业问题，这个选择颇有反差。

不过，在人物搜索领域，Lev8也算不上第一个尝试者。

2023年，创业公司Juicebox就推出了PeopleGPT。用户输入自然语言描述，系统就能筛选有特定工作经历的人，主要服务招聘行业。

那时候大模型刚开始广泛进入应用产品，PeopleGPT已经把传统招聘软件里繁琐的筛选条件变成了一个聊天式入口。

LinkedIn也没有停在原来的关键词检索。2025年，它推出了基于自然语言的人物搜索，用户可以描述想认识哪一类专业人士。

LinkedIn拥有庞大的职业资料和成员关系数据，能够结合用户现有的社交网络推荐相关对象。

模型帮助企业识别人才早已成为一门有人付费的生意，也说明仅仅具备自然语言搜索功能，很难长期形成足够深的壁垒。

有意思的是，人物信息的价值正在被科技行业以一种格外直接的方式体现。过去两年，头部大模型公司围绕顶尖研究人员展开激烈竞争，这足以说明一个现象：

某些关键人才的经验已经能够影响一家公司的研发方向，企业愿意花很高的代价接触他们。

但这一点并不只发生在大模型实验室。一家想做海外业务的年轻公司，可能因为找到熟悉当地渠道的负责人，少走几个月弯路。

人的价值很难直接量化，找到合适对象所耗费的时间却实实在在。因此，人物搜索也开始成为越来越具体的产品问题。

Lev8既要跟成熟的人才与客户数据库竞争，也要面对ChatGPT这样的通用研究工具。

对于大部分普通用户来说，它们也能完成其中一部分工作，让它联网寻找符合某些条件的专家，或者启动深度研究整理公司与人物资料，已经是很常见的用法。

不过，一旦想独立做点事情，寻找合适的合作对象往往会成为一个现实难题。

尤其是刚起步的个人创作者、小团队和自由职业者。他们可能有不错的作品，也愿意投入时间尝试新项目，却未必认识熟悉目标行业的人。

这也是全网捞人背后比较有意思的变化。如今，一个人只要足够清楚自己想做什么，就可以借助工具寻找原本很难接触到的专业人士与合作伙伴。

互联网积累了这么多年的公开信息，开始有机会变成普通人也能利用的资源。

对于那些正在尝试自己做项目的人来说，找到合适的人，有时候就是事情得以继续推进的开始。

文章来自于“虾蛄AI”，作者“虾蛄内容部”。