SearchOS – 螞蟻集團等開源的多智能體搜索協作框架

SearchOS是什麼

SearchOS 是人大高瓴人工智能學院與螞蟻集團聯合推出的開源多智能體搜索協作框架。框架借鑑關係型數據庫設計理念，將開放域信息檢索抽象爲動態關係模式，通過面向搜索的上下文管理、流水線並行調度與搜索工具中間層，解決長程任務中 Agent 失憶、重複查詢、來源脫鉤等系統級問題，支持多 Agent 共享狀態、高效協作與證據追溯。

SearchOS的主要功能

• 關係搜索模式構建：將自然語言查詢自動轉化爲包含表結構、主鍵與外鍵的動態關係模式，邊發現實體邊補全屬性。
• 多智能體協作搜索：Orchestrator 統一規劃調度，Explore Agent 發現候選實體，Search Agent 執行並行子任務，Writer Agent 生成結構化報告。
• 面向搜索的上下文管理（SOCM）：維護 Frontier Tasks、Evidence Graph、Coverage Map、Failure Memory 四類共享狀態，實現進度可視化與跨 Agent 同步。
• 搜索工具中間層：包含 Context Middleware、Sensor Middleware、Evidence Extraction Middleware，負責狀態注入、循環檢測與證據結構化抽取。
• 層次化技能庫：預置約 280 個技能，涵蓋排名檢索、多跳搜索、實體消歧等策略技能，以及反爬、登錄牆、動態頁面等訪問技能。
• 實時進度追蹤：支持 CLI、全屏 TUI 與 Web 工作台，可實時查看 Schema 補全進度、Agent 任務流與逐格證據，支持中斷後恢復。

SearchOS的技術原理

• 關係型搜索抽象：將信息檢索任務定義爲關係模式 S = ({T_m}, R)，其中 T_m 爲表模式（含列屬性 A_m 與主鍵 P_m），R 爲表間關係，使各類檢索任務統一落到一套結構化框架上。
• 共享狀態基礎設施：核心判斷是搜索狀態應存在於系統中。SOCM 將任務狀態外化爲四類共享數據結構，Agent 通過查詢共享狀態實現協作，避免上下文壓縮導致的事實丟失。
• 流水線並行調度：採用 micro-batch 思路，將 search→open→find 視爲搜索流水線，多個 Search Agent 錯峯進入、交疊推進；連續派發機制在 Agent 完成後立即補入新任務，提升槽位利用率與牆鍾效率。
• 中間件干預機制：在模型與工具之間插入三層中間件，Context Middleware 控制上下文規模，Sensor Middleware 識別循環與停滯並觸發策略切換，Evidence Extraction Middleware 完成結構化抽取、citation 錨定與證據入庫。
• 動態模式演化：系統隨實體發現動態調整表結構，實驗表明即使預先指定最優固定結構（Oracle），效果仍低於 SearchOS 的動態模式。

如何使用SearchOS

• 環境準備：訪問 GitHub 倉庫克隆項目，通過配置嚮導完成模型服務商與 API Key 設置。
• 啓動交互：選擇 CLI、全屏 TUI 或 Web 研究工作台三種界面之一啓動系統。
• 輸入查詢：在搜索框中輸入自然語言問題，系統會自動識別任務類型。
• 查看進度：實時觀察關係模式的構建過程、Coverage Map 的補全狀態、各 Agent 的任務分配與執行流。
• 審閱結果：任務完成後查看結構化輸出，每條數據均附帶 citation 可回溯至原始網頁與具體位置。
• 中斷與恢復：長程任務支持中途退出後接續運行，可隨時覆盤歷史搜索軌跡與證據鏈。

SearchOS的核心優勢

• 系統級狀態外化：將搜索狀態從對話上下文遷移到系統基礎設施，從根本上解決長程任務中的失憶與重複問題。
• 動態關係模式：隨實體發現實時調整表結構，比固定模式更貼合真實檢索場景的多樣性，Oracle 實驗驗證其有效性。
• 高吞吐量調度：流水線並行與連續派發使任務完成時間降低約 24%，LLM 調用次數減少約 13%，同時提升 F1 分數。
• 全鏈路證據追溯：每個值均保存 citation，支持從結論回溯到網頁原文具體位置，滿足”儘量找全、每條都有出處”的嚴謹需求。
• 豐富的預置技能：約 280 個技能覆蓋搜索策略與網站訪問，使用技能後搜索時間縮短 36.6%，API 調用次數降低 39%-43%。

SearchOS的項目地址

• 項目官網：https://antins-labs.github.io/SearchOS/
• GitHub倉庫：https://github.com/antins-labs/SearchOS
• arXiv技術論文：https://arxiv.org/pdf/2607.15257

SearchOS的同類競品對比

SearchOS的應用場景

• 競品與市場調研：系統性地收集競品公司的融資輪次、產品功能、定價策略等信息，生成帶出處的大規模對比表。
• 學術文獻綜述：針對特定研究方向，枚舉相關論文、作者、機構、發表會議，並補全關鍵結論與方法摘要。
• 投研與盡職調查：追蹤目標企業的股東結構、高管變動、訴訟記錄、財務數據，實現多源交叉覈驗。
• 產品對比與選型：收集同類產品的技術參數、用戶評價、價格區間，生成結構化對比報告輔助決策。
• 開放域知識枚舉：如”列出 2000 年以來所有菲爾茲獎得主及其所屬機構與國家”等需要高召回率的信息收集任務。