什么是SearchOS

开放域信息检索在SearchOS 中被抽象为动态关系模式，其设计思路源于关系型数据库。作为人大高瓴人工智能学院与蚂蚁集团联合推出的开源多智能体搜索协作框架，它以搜索工具中间层、流水线并行调度和面向搜索的上下文管理，应对长程任务里的来源脱钩、重复查询及 Agent 失忆等系统级问题，让多个 Agent 可以追溯证据、共享状态并高效协作。

SearchOS具备哪些主要功能

• 构建关系搜索模式：把自然语言查询自动转换成带有表结构、主键及外键的动态关系模式，在发现实体的同时补充完整属性。
• 多智能体协同搜索：结构化报告最终由 Writer Agent 产出；此前 Orchestrator 负责整体规划调度，Explore Agent 寻找候选实体，Search Agent 并行处理子任务。
• 面向搜索的上下文管理（SOCM）：跨 Agent 同步及进度可视化建立在四类共享状态之上，系统维护的分别是 Frontier Tasks、Evidence Graph、Coverage Map、Failure Memory。
• 搜索工具的中间层：状态注入、循环检测和证据结构化抽取分别由 Context Middleware、Sensor Middleware、Evidence Extraction Middleware 承担。
• 分层技能库：约 280 个预置技能分成两部分：访问技能处理动态页面、登录墙、反爬等情况，策略技能覆盖实体消歧、多跳搜索、排名检索等任务。
• 实时追踪进度：中断后可恢复，并能实时掌握逐格证据、Agent 任务流和 Schema 补全进度；操作入口包括 Web 工作台、全屏 TUI、CLI。

SearchOS背后的技术原理

• 关系型搜索的抽象方式：信息检索任务被定义成关系模式 S = ({T_m}, R)，T_m 表示包含列属性 A_m 和主键 P_m 的表模式，R 表示表间关系，以此将不同检索任务纳入同一套结构化框架。
• 共享状态基础设施：为免上下文压缩造成事实缺失，SOCM 把任务状态转化成四类系统共享数据结构，Agent 查询这些状态即可相互协作；其核心判断在于，搜索状态的归宿应是系统。
• 并行调度搜索流水线：为提高墙钟效率和槽位利用率，任一 Agent 完工后，连续派发机制都会马上填入新任务。系统依据 micro-batch 思路，把 search→open→find 组成搜索流水线，让多个 Search Agent 以错峰方式进入并交叠推进。
• 通过中间件进行干预：三层中间件位于工具和模型之间：结构化抽取、citation 锚定及证据入库交给 Evidence Extraction Middleware；循环与停滞由 Sensor Middleware 判断并触发策略切换；上下文规模则由 Context Middleware 管控。
• 动态演化模式：随着实体被发现，系统会动态修改表结构；实验结果显示，即便提前指定最优固定结构（Oracle），其表现依然不及 SearchOS 的动态模式。

SearchOS如何使用

• 准备运行环境：模型服务商和 API Key 通过配置向导设置，开始配置前需到 GitHub 仓库克隆项目。
• 开始交互：启动系统需从三种界面中选定一种：Web 研究工作台、全屏 TUI 或 CLI。
• 提交查询：在搜索框内输入自然语言问题，任务类型将由系统自动识别。
• 检查运行进度：各 Agent 如何分配和执行任务、Coverage Map 补全到何种状态、关系模式怎样构建，均可实时观察。
• 审核搜索结果：原始网页及其具体位置可由 citation 反向定位；任务结束后的结构化输出中，每条数据都附有该标记。
• 中断后继续运行：长程任务可在中途退出后继续执行，历史搜索轨迹及证据链也能随时复盘。

SearchOS有哪些核心优势

• 在系统层外化状态：长程任务为何失忆和重复，可从根本上得到解决，因为搜索状态不再留在对话上下文，而是被放入系统基础设施。
• 动态式关系模式：Oracle 实验证明了这种方式有效；表结构会依据实体发现实时调整，因此较固定模式更能应对真实检索场景的多样性。
• 高吞吐调度方式：F1 分数获得提升的同时，LLM 调用次数约少 13%、任务耗时约降 24%，这些效果来自连续派发和流水线并行。
• 证据全链路可追溯：结论可沿每个值保存的 citation 定位到网页原文的具体位置，从而满足”尽可能找全、每项均有来源”这一严谨要求。
• 丰富的内置技能：使用覆盖网站访问与搜索策略的约 280 个技能后，API 调用次数可降低 39%-43%，搜索耗时可缩短 36.6%。

SearchOS项目地址

• 项目官网：https://antins-labs.github.io/SearchOS/
• GitHub仓库：https://github.com/antins-labs/SearchOS
• arXiv技术论文：https://arxiv.org/pdf/2607.15257

SearchOS与同类竞品对比

SearchOS适用场景

• 市场及竞品调研：带出处的大规模对比表，需要系统收集竞品公司的定价策略、产品功能、融资轮次等信息后生成。
• 综述学术文献：围绕特定研究方向，先枚举发表会议、机构、作者及相关论文，再补齐方法摘要和关键结论。
• 尽职调查与投研：多源交叉核验覆盖目标企业的财务数据、诉讼记录、高管变动及股东结构追踪结果。
• 产品选型与对比：用于辅助决策的结构化对比报告，可在汇集同类产品的价格区间、用户评价与技术参数后形成。
• 枚举开放域知识：例如”汇总所属国家与机构，并给出 2000 年以来历届菲尔兹奖得主”等对信息收集召回率要求较高的任务。