用户用自然语言提问 LLM。如果 LLM 需要联网搜索，会将提问拆分成关键字搜索。但这存在局限性。
问题 1： 无法拆分的全局性需求
某些需求必须基于整体数据才能判断，强行拆分关键词会导致结果偏差。如，用户提问
今天最好的新闻
LLM 若仅搜索“最好 新闻”等关键词，返回的可能是算法推荐的泛化内容或单一媒体主观评选的结果，偏离了本意。
这类需求需依赖实时全网数据聚合与价值判断，但当前搜索引擎的索引机制和LLM的检索逻辑难以实现全局性抓取与分析。
问题 2： 语义断层与表达差异
用户需求与关键词库存在“语言代沟”。例如年轻用户搜索“社畜周末续命神器”，关键词拆解可能导向保健品或影视推荐，而用户真实需求可能是“高性价比短途旅行套餐”。
这种情况下，需要用户找到本质的需求，然后将其转化为关键词。
问题 3：实时性缺失
关键词检索依赖静态索引库，难以及时响应时效性需求。