给 vibe 项目加搜索自动补全:从“打错字就零结果”到“还没打完就找到”
搜索框每天被点开很多次,真正搜出结果的人却很少:补全把“猜词”的活从用户手里接过来。热门词、用户历史、内容索引三路合并,拼音首字母加一字纠错,键盘与移动端细节,防抖缓存加 LLM 兜底,最后用三个数迭代。走查示例中的项目、人物与数字均为虚构。

打错一个字,搜索就回你一句“什么都没有”
阿南做了一个食谱应用,叫“今日吃什么”。上线两个月,应用本身没什么大问题:菜谱是他一道一道试过的,步骤写得清楚,图片也是实拍的。可他越看数据越别扭:搜索框每天被点开很多次,真正搜出结果、点进菜谱的人却很少。去问了几个用户才知道,问题出在搜索框门口。有人想搜“红烧肉”,打到“红烧rou”就停住了,等着下面跳出补全,结果什么都没跳出来;有人把“西红柿炒鸡蛋”打成了“西红柿炒蛋”,按了搜索,页面回了一句“没有找到相关内容”。用户不是不想搜,是搜到一半就被晾在那了。
问题不在搜索算法本身,而在补全这一步没人做。阿南的搜索是“全有或全无”:词打全了、一个字不错,才能命中;差一个字、少打一半,就直接零结果。可用户打字本来就是试探性的:一边打一边想,想起来一半就停下来看提示;打错一个字是常事,拼音没选对也是常事。搜索补全就是把“猜词”这个活从用户手里接过来:你打两个字,我把最可能的那几个完整词递到你面前,你点一下就行。少了这一步,搜索框就变成了一场拼写考试,考不过的人直接走掉。
先说清楚:本篇指南里出现的作者、应用与一整套数字均为虚构示例,方法本身是通用的,照着做就行。下面提到的“今日吃什么”是虚构的食谱应用,“阿南”是虚构的作者,走查用的漏斗数字也是编出来讲方法的,不是任何真实产品的后台数据。读的时候不用去核对数字的出处,盯住做法对不对、顺序对不对就行。
补全从哪来:三路来源,合并成一份清单
补全建议不是凭空变出来的,它有三个来源。第一路是热门词:最近大家都在搜的词,比如当季的菜、刚火起来的一道菜。热门词的好处是新用户一来就能用,不依赖任何个人数据;坏处是它不知道你是谁,给每个人的都一样。第二路是用户自己的历史:这个人以前搜过什么、点开过什么菜谱。历史的好处是准,一个常搜“减脂餐”的人,打一个“减”字,最该先看到的就是他常点的那几道减脂菜;坏处是新用户没有历史,这一路是空的。第三路是内容索引:你的库里真实存在的东西。用户打“番茄”,库里有“番茄炒蛋”“番茄牛腩”“番茄鱼汤”,这三条就是最不会出错的补全——因为点进去一定有内容,不会把人领到零结果页去。
三路来源要合并成一份清单,而不是各摆各的。合并的办法是先去重、再排序、最后截断。去重是说同一个词从两路来了,只留一条:用户历史里有“番茄炒蛋”,热门词里也有“番茄炒蛋”,清单里只出现一次。排序是说先排哪路、后排哪路,这决定了用户第一眼看到什么。一个好用的默认顺序是:这个人自己的历史在最前面,因为那是他最可能再点的;接下来是内容索引里前缀匹配上的词,因为点进去一定有结果;热门词排在最后,用来补齐、凑满清单。这个顺序背后的道理很简单:先给“他最可能要的”,再给“一定有结果的”,最后给“大家都在搜的”。
清单要多长也有讲究:一般 6 到 8 条就够了。超过 8 条,用户不会往下翻,多出来的那几条等于白算;少于 4 条,补全看起来寒酸,用户会觉得这个搜索框没什么可帮他的。还有一条规矩:清单里每一条都应该是“点进去有结果的词”。如果你的库里根本没有“番茄炖牛腩”这道菜,就别把它放进补全里当诱饵,用户点进去看到零结果,比一开始没补全更糟。下面这张图就是三路来源合并成一份清单的走法。

三路来源不是每时每刻都有货,要给每种“缺货”留好退路。新用户没有历史,历史这一路就是空的,那就让内容索引和热门词顶上,别在界面上留一个“暂无历史”的空位。刚上线的应用没有热门词,热门词这一路也是空的,那就先只用内容索引,跑上两周、有了真实的搜索数据再把热门词接进来。内容索引更不能空:库里只有 50 道菜,补全的词就只有这 50 道菜能变出来的那些,老老实实承认,别为了凑数去编用户没搜过的词。
容错与中文处理:拼音、错字、前缀怎么取舍
中文搜索的麻烦,英文搜索没有。用户输入的不一定是汉字,可能是拼音,可能是拼音首字母,也可能是打错的字。一个“红烧肉”,用户可能打“hongshao rou”,可能打“hsr”,也可能手一滑打成“红烧内”。补全要做的,就是把这几种输入都认出来,领到同一个词上去。做不到这一点,中文产品的补全就是半成品。
先说拼音首字母。这是最便宜、见效最快的一招:给每个词条存一份拼音首字母,比如“红烧肉”存“hsr”,“西红柿炒鸡蛋”存“xhsjd”。用户打“hsr”,直接按首字母前缀去匹配,命中就推上去。首字母有个好处:手机上打三个字母比打六个汉字快得多,用户一旦发现打首字母也能出结果,就会养成这个习惯。要注意的是首字母的歧义:“hsr”也可能是“红烧肉”,也可能是“海鲜粥”——这时候就按热门程度和用户历史排,谁更可能在前面,谁就先露脸。歧义不用怕,怕的是不处理:把所有可能都列出来让用户自己挑,补全就失去了“帮用户少打字”的意义。
再说错字纠正。用户把“红烧肉”打成“红烧内”,把“西红柿”打成“西红柿”里的“柿”打成“市”,这种情况每天都在发生。处理办法是算编辑距离:只差一个字的词,认为是同一个词的打错版,照样推上去。但纠正要克制:只纠“差一个字”的,别纠“差两个字”的。差一个字,十有八九是手滑;差两个字,可能是用户本来就想搜别的词,你硬纠过来,反而把他领错了地方。还有一点:纠正过来的词要让用户看出来——在建议后面轻轻标一下“你要找的是不是:红烧肉”,别偷偷替换掉他的输入。用户要的是提醒,不是被改写。
最后说前缀匹配和包含匹配的取舍。前缀匹配是“打什么字,就从什么字开头找”:打“番茄”,出“番茄炒蛋”“番茄牛腩”,不出“鸡蛋番茄汤”。包含匹配是“只要词里有这两个字就行”:打“番茄”,连“鸡蛋番茄汤”也出来。包含匹配的召回更高,但噪音也大:用户打了两个字,你给他十条沾边的,他反而不知道点哪条。一个稳妥的取舍是:补全默认只做前缀匹配,保证清单干净、每条都贴题;包含匹配留给正式的搜索结果页,用户按了回车再慢慢翻。补全的使命是“快、准、少”,不是“多”。
交互细节:键盘、Esc 与不遮挡输入框
补全做得再准,交互做糙了也白搭。桌面端最基本的一条:上下方向键要在建议之间移动高亮,回车确认选中的那一条,Esc 关闭补全面板。这三个键是用户从别的搜索框里带来的习惯,不用教,他们的手指自己会找。如果你的补全面板上下键没反应,用户按两下发现没用,就会改用鼠标点——能点当然也行,但键盘用户会觉得这个搜索框“不好用”,而他们往往就是最爱用搜索的那批人。
关闭的规矩也要立好:按 Esc 关闭,点击输入框外面的空白处关闭,选了某一条之后面板自己消失。最忌讳的是面板关不掉:用户按了 Esc 还在那,点空白处还在那,只能再点一次搜索框才能让它走。面板关不掉,用户会觉得搜索框“粘手”,下次就不想点了。还有一条:输入框里的字被用户删空了,面板也要跟着消失,别留一个空输入框配着一排建议在那,看着像出故障了。
移动端有一条桌面端没有的规矩:补全面板不能把输入框盖住。手机键盘一弹起来,屏幕只剩一半,面板如果从输入框下面往下长,很容易把输入框顶出可视区,用户打着打着就看不见自己打了什么。做法是让面板贴着输入框下方展开,同时把页面轻轻往上推,保证输入框始终在键盘上方可见。另一条移动端的规矩是触摸目标要够大:每条建议至少留出一根手指的高度,行高别压得太紧,用户点错行的代价是进错结果页、再退回来重搜,这一来一回的挫败感,比没有补全还糟。
还有两个小地方值得做:第一,把用户输入的部分在建议里加粗标出来,用户一眼就能确认“这条就是我想打的词”,不用逐字去对;第二,在每条建议后面顺手带一个数字,比如“128 道菜谱”,用户点之前就知道点进去有多少内容,心里有数才敢点。这两个小地方都不难,但它们决定了补全看起来是“懂我”还是“凑数”。
性能与成本:先便宜的办法,再考虑 LLM
补全是搜索框里调用最频繁的功能,用户每敲一个字都可能触发一次请求,性能和成本要先算账。第一笔账是最小触发字符数:中文打 1 个字就可以出补全,英文一般要打够 2 个字母。中文 1 个字就触发,是因为一个汉字的信息量大,“番”这个字能锁定的范围已经很小了;英文只打 1 个字母,能匹配上的词成千上万,算出来也没法看。把触发字符数定得太低,请求量会翻倍;定得太高,用户打了两三个字还不见建议,会觉得补全坏了。
第二笔账是防抖和缓存。防抖是说用户连续打字时,别每个字都发一次请求,等他停下 150 到 300 毫秒再发一次。用户打字是一串动作,中间的那些字只是路过,真正要算的是他停下来的那一下。缓存是说热门前缀的结果可以先算好、存起来:每天被搜最多的那几百个前缀,它们的补全清单几乎不变,没必要每次现算。一个小应用做到这两点,补全的请求量就能砍掉一大半,服务器基本感觉不到压力。
第三笔账是数据结构。补全的底子一般是前缀树或者倒排索引:前缀树适合“打什么字、从什么字开头找”的场景,查得快、占内存也不大;倒排索引适合已经有搜索服务的应用,复用现成的索引就行。小应用没必要为了补全单独搭一套大系统,先用手头已有的数据结构顶上,等量上去了再换。过早把架构做重,是小团队最常见的浪费。
最后才轮到 LLM。有些团队一上来就想用大模型来生成补全建议,这笔账要算清楚:大模型每次调用都要花钱、都要等一次网络往返,放在“每敲一个字就触发一次”的位置上,成本和延迟都扛不住。合理的分工是:前缀匹配、拼音、纠错这些便宜的办法做主力,覆盖九成以上的请求;LLM 只做兜底——用户打的词在三路来源里一条都命中不了、马上要零结果的时候,再让模型猜一句“你是不是想找……”,猜对了是惊喜,猜不对也只是多一行建议,不会拖垮整条链路。便宜的办法先做到位,贵的办法才有资格上场。
用数据迭代:盯住三个数,别凭感觉改
补全上线之后,改什么、不改什么,不能凭感觉,要看三个数。第一个数是补全点击率:看到补全建议的人里,有多少人真的点了某一条。点击率高,说明建议给得准;点击率低,说明建议文不对题,或者排序有问题。第二个数是无结果率:搜了之后看到零结果的搜索,占全部搜索的比例。这个数越低越好,补全的价值有一大半体现在这里——用户还没按搜索就被领到了有结果的词,零结果自然就少了。第三个数是零结果词 Top 榜:把搜出零结果的词按次数排个榜,榜首的那些词就是用户真正想找、你库里没有的东西。每周看一次榜,榜首的词要一个个处理:是库里缺这道菜,那就补内容;是词写错了、拼音没对上,那就修纠错;是用户在搜你根本不做的品类,那就认了,别硬凑。
拿“今日吃什么”的搜索框算一笔账(虚构示例):一个月里,搜索框获得焦点 10,000 次,其中 8,200 次看到了补全建议,占 82.0%;看到建议的人里,5,740 人点击了某一条建议,占 70.0%;点击之后,4,305 人进入了结果页,占 75.0%;最后 1,292 人完成了目标动作——点进一道菜谱并收藏或开始跟着做,占 30.0% 左右。下面这张漏斗图就是这笔账的样子。

读这张漏斗要先看哪一步漏得最多。获得焦点 10,000 次,只有 8,200 次看到了建议,中间丢了 1,800 次:这些是用户点开搜索框又马上关掉,或者只打了一个字就停住的,触发条件可以再放宽一点。看到建议到点击建议丢了 2,460 人,是漏斗里丢人最多的一步,说明建议本身有问题:要么排序不对,用户要的词排在下面;要么建议和用户打的字对不上,用户看一眼就走了。点击到进入结果页丢了 1,435 人,这一步要查的是跳转有没有卡住、结果页加载是不是太慢。进入结果页到完成目标丢了 3,013 人,人数最多,但这一步本来就不是补全的责任——结果页内容好不好、菜谱写得清不清楚,才是这里的主因。漏斗不会替你下结论,它只会告诉你先去哪一步找原因。
迭代的节奏是一周改一处。这一周修排序,下一周看点击率动不动;点击率动了,记下来;没动,换个思路。最忌讳的是同时改三处:触发字符数、排序规则、面板样式一起动,数字变好了也不知道是哪一处起的作用。还有一条:零结果词 Top 榜要单独建一个文档记下来,每周更新。榜首的词被处理掉之后,榜单会自己往下走,新的榜首冒出来——这个榜单永远不会空,它就是你的待办清单。
这周先做三件
如果这周只能做三件事,按这个顺序做。第一件,接好三路来源:热门词、用户历史、内容索引,先去重、再按“历史优先、索引其次、热门最后”排序,截成 6 到 8 条。先别管拼音和纠错,把清单先跑通,让用户打两个字就能看到建议。第二件,把拼音首字母和“差一个字”的纠错接上:中文产品的补全没有这两样,只能算做了一半。第三件,埋好三个数:补全点击率、无结果率、零结果词 Top 榜,上线第一周就开始看。这三件做完,你的搜索框就从“拼写考试”变成了“还没打完就找到”。剩下的,都是每周看数、每次改一处的慢功夫。
评论 (0)
相关文章
同一个页面要在手机、平板、电脑上都站得住。本文按 MDN 的《Responsive web design》《Using media queries》《viewport meta 参考》三篇官方文档讲清楚:流式 HTML、viewport 标签、流式网格与 max-width、图片不撑破容器、媒体查询语法、按内容定断点、mobile-first、响应式字号、按能力查设备与上线检查清单。
localStorage 只能存字符串、没有索引。IndexedDB 是浏览器里真正的数据库:能存结构化数据、容量大得多、能建索引、能用事务。本文按 MDN 的《Using IndexedDB》《IDBDatabase》《IDBObjectStore》三篇官方文档讲清楚:五步套路、开库、升级、主键、索引、事务、add 与 put、get、游标、范围与多标签页升级。
函数你每天都在调,这篇把你一直在做的事讲清楚。本文按 MDN 的《Functions》《Arrow function expressions》《Rest parameters》三篇官方文档讲清楚:声明与表达式、参数与实参、默认值、剩余参数、展开语法、返回值、箭头函数省写规则、this 的坑、回调与高阶函数、作用域。