一句话总结

SearchOS，一个来自中国人民大学和蚂蚁集团的多agent框架，通过面向搜索的上下文管理（SOCM）将隐式的搜索进度转化为显式的共享状态，该管理包含前沿任务、证据图、覆盖图和失败记忆，并采用流水线并行调度，实现了鲁棒的开放域信息搜索协作，在WideSearch和GISA上超越了基线模型。

核心贡献

• 面向搜索的上下文管理（SOCM）将搜索进度外化为前沿任务、证据图、覆盖图和失败记忆，并配合流水线并行编排，将未解决的覆盖缺口分派给专门的agent。
• 搜索工具中间件框架拦截模型与工具的交互，以锚定证据、执行搜索预算并检测停滞或重复，将执行控制移出agent提示之外。
• 分层技能库提供可复用的搜索策略和特定站点的访问流程，增强agent行为并防止跨会话重复失败的搜索模式。

引言

作者们致力于解决从大型语言模型构建可靠、长时程网络搜索agent的挑战。虽然工具增强的LLM可以迭代搜索和综合信息，但随着交互历史的增长，它们会遇到困难：证据被淹没，覆盖缺口被忽视，agent在冗余或死胡同查询上浪费预算。多agent设置往往因重复工作和闲置工作者而加剧这些问题，因为协调状态仅短暂存在于对话日志中，而非显式维护。作者们引入了SearchOS，一个将搜索进度外化为共享、系统管理状态的框架。它将开放域信息搜索形式化为带有锚定引用的关系模式补全，然后通过流水线并行编排协调专门的agent，持续分派未解决的缺口。中间件框架执行预算限制、锚定证据并检测停滞，而分层技能库提供可复用的搜索策略和特定站点的访问流程。

方法

作者们将开放域信息搜索形式化为带有锚定引用的关系模式补全。给定自然语言请求，系统构建一个关系搜索模式，包含具有属性和主键的表，以及外键关系。目标是发现实体，填充值矩阵，并维护一个将每个值链接到源URL和锚定摘录的引用矩阵。

为实现此目标，作者们引入了SearchOS，一个有状态的闭环系统，使执行与不断演变的搜索状态对齐。

如框架图所示，SearchOS通过编排器分派未解决的模式缺口，通过面向搜索的上下文管理（SOCM）提交观察结果，并通过中间件锚定交互。系统采用编排器-工作者架构，其中编排器构建模式并确定缺口优先级，探索agent识别候选者，搜索agent收集锚定证据，写作者生成最终的引用报告。

SOCM将长时程搜索信息外化为持久的共享状态，包括前沿任务、证据图、覆盖图和失败记忆。前沿任务充当依赖感知的任务池，根据优先级和依赖关系调度工作。证据图存储原子发现及其细粒度溯源，而非页面级摘要，将值与来源和支持片段链接。覆盖图物化模式单元格以跟踪其状态，确保进度可衡量。最后，失败记忆记录不成功的行动，防止agent重复已穷尽的路径。

为避免同步批次导致的空闲时间，作者们将流水线并行应用于角色范围的工作。编排器根据前沿优先级，持续从就绪集合向可用执行槽分派任务。每次完成后，SOCM更新，释放的槽被重新填充，允许角色在依赖关系允许时重叠执行。

在长时程搜索过程中，agent面临模型级故障和系统级中断。为解决此问题，作者们引入了一个系统级的搜索工具中间件框架，在模型和工具边界拦截agent循环。

如下图所示，该框架由三个组件组成。上下文中间件通过投影共享状态、检索技能并在每次模型调用前修剪历史，准备角色特定的模型上下文。证据提取中间件处理工具观察结果以提取模式绑定的候选者，要求在原子更新证据图和覆盖图之前进行模式绑定和片段锚定。传感器中间件测量覆盖和证据进度以检测停滞并执行资源限制，决定是继续执行、注入修正还是停止分支。

由于搜索需要在不同操作层面具备可复用的知识，作者们将其组织成分层搜索技能：编排器技能、策略技能和访问技能。

如下图所示，SearchOS-V1包含280个跨不同领域的预构建技能。编排器技能提供任务分解和模式对齐的全局剧本。策略技能编码与来源无关的查询重构和推理方法。访问技能处理数据库、政府门户和其他目录的特定来源检索和提取。启动时，编排器技能作为共享剧本注入，而策略和访问技能根据任务需求检索和执行。

实验

SearchOS在WideSearch和GISA两个基准上进行了评估，这两个基准分别用于大规模信息收集和一般信息搜索任务。它超越了单agent和多agent基线，在召回率和完整性敏感的指标上增益最大，展示了关系模式补全和覆盖感知分派的好处。消融研究证实，搜索时的模式规划、连续流水线调度、循环传感器干预和分层技能均有助于提高有效性和效率，其中技能显著减少了会话时间，同时提升了行级一致性。

工具分配强制执行严格的职责分离：仅编排器管理模式、实体和任务协调，而搜索和探索agent共享浏览器工具进行证据收集。写作者被赋予大纲管理、共享上下文访问和技能加载，以生成结构化报告，搜索agent也可以加载技能来指导检索。只有编排器可以访问模式和实体的CRUD操作及任务队列工具，集中全局规划和协调。搜索和探索角色均被授予简单的浏览器工具，但都不能修改模式或任务队列。写作者角色被赋予大纲管理和SOCM读取权限，使其无需直接浏览即可构建最终报告。技能目录工具在搜索和写作者角色之间共享，允许可复用的检索模式为证据收集和报告生成提供信息。

SearchOS在WideSearch和GISA两个基准的所有主要F1指标上均领先。在WideSearch上，它将项目级F1提高了4.3个百分点，超越最强基线，这得益于大幅的召回率提升，同时保持了最高的精确率。在GISA上，最大的增益出现在集合问题上，它比最佳基线高出13.4个百分点，展示了答案枚举的强完整性。在WideSearch上，SearchOS取得了最佳的项目级精确率（83.9）和召回率（79.7），F1达到80.3，比最强基线提高了4.3个百分点，增益集中在召回率上。在GISA上，SearchOS在集合问题上的F1达到76.5，领先最佳基线13.4个百分点，并且在表级F1的项目（76.9）和行（59.7）层面也位居榜首。

自主模式规划优于任何固定模式选择，即使由预言机为每个任务选择单表或多表模式中较好的一种。多表模式相对于单表模式的优势因任务而异，SearchOS通过主要选择单表结构来适应，同时仍超越预言机。这些结果表明，模式规划应作为搜索过程的一部分，而非预先固定。固定多表模式相比固定单表模式将项目F1提高了十多个百分点，但收益依赖于任务。为每个案例选择较好固定模式的预言机仍落后SearchOS超过八个项目F1点。SearchOS在大多数任务中自主选择了单表模式，却取得了最高的总体得分。SearchOS与预言机之间的持续差距表明，动态模式规划捕捉到了固定模式所遗漏的任务特定结构。

连续调度在重复运行中持续减少端到端时间和token消耗，同时提高检索质量。在三轮配对中，中位时间下降28.6–32.6%，每轮项目F1均上升，平均时间减少24.3%。收益来自立即重新填充释放的槽，消除了批次屏障处的空闲容量。三轮中中位端到端时间下降28.6–32.6%，显示出稳定的效率提升。所有轮次的项目F1均有改善，中位增益最高达15个百分点。

与WideSearch上的批次调度相比，连续流水线并行调度将端到端时间减少了24.3%，同时提高了槽利用率、任务吞吐量和项目F1。该策略消除了批次屏障处的空闲容量，以更少的LLM调用实现了更高的效率和更好的检索质量。连续调度将平均时间从629秒降至476秒，并将槽利用率从34.6%提高到41.7%。它将项目F1提高了约7个点（从79.66到86.75），每分钟任务数从2.99提高到3.37，同时LLM调用减少了13%。

SearchOS中严格的角色分离集中了规划和协调，仅编排器管理模式和任务，而搜索和写作者角色共享适当的工具。在WideSearch和GISA基准上，SearchOS取得了最先进的结果，这得益于大幅的召回率提升和集合问题上的强完整性。自主模式规划甚至优于预言机选择的最佳固定模式，而连续调度消除了空闲容量，持续减少端到端时间和token消耗，同时提高检索质量。