SearchOS - 蚂蚁集团等推出的开源多智能体搜索协作框架

什么是SearchOS

面对长程任务里的重复查询、来源脱钩和Agent失忆等系统级问题，SearchOS以面向搜索的上下文管理、搜索工具中间层及流水线并行调度加以处理。开放域信息检索被其按关系型数据库的设计理念抽象成动态关系模式，因此证据能够追溯，多个Agent也可共享状态并高效协作。这个开源多智能体搜索协作框架由蚂蚁集团联合人大高瓴人工智能学院推出。

SearchOS具备的主要功能

• 构建关系搜索模式：自然语言查询会自动转换成带有表结构、主键和外键的动态关系模式，在发现实体的同时补齐属性。
• 多智能体协同搜索：结构化报告交由Writer Agent生成，候选实体由Explore Agent发现，并行子任务由Search Agent执行，整体规划调度则由Orchestrator统筹。
• 面向搜索的上下文管理（SOCM）：进度可视化及跨Agent同步依托四类共享状态，分别是Failure Memory、Coverage Map、Evidence Graph和Frontier Tasks。
• 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：反爬、登录墙、动态页面等访问技能，与实体消歧、多跳搜索、排名检索等策略技能，共同构成约280个预置技能。
• 实时追踪进度：系统中断后能够恢复，并提供Web工作台、全屏TUI和CLI；逐格证据、Agent任务流及Schema补全进度均可实时查看。

SearchOS采用的技术原理

• 关系型搜索抽象机制：为使各类检索任务归入统一的结构化框架，信息检索任务采用关系模式S = ({T_m}, R)定义；表间关系由R表示，T_m表示含主键P_m与列属性A_m的表模式。
• 共享状态基础设施：避免事实因上下文压缩而丢失的关键，是让搜索状态存在系统中。SOCM把任务状态转成四类外部共享数据结构，Agent则通过查询这些共享状态开展协作。
• 流水线式并行调度：槽位利用率与墙钟效率的提升来自两方面：Agent一旦完成，连续派发机制便立即补入新任务；同时基于micro-batch思路，把search→open→find设为搜索流水线，让多个Search Agent交叠推进、错峰进入。
• 中间件介入机制：三层中间件位于工具与模型之间：证据入库、citation锚定及结构化抽取由Evidence Extraction Middleware完成；循环与停滞由Sensor Middleware识别，并据此触发策略切换；上下文规模则由Context Middleware控制。
• 关系模式动态演化：系统会随着实体被发现而动态修改表结构；实验结果显示，即使事先给出最优固定结构（Oracle），表现仍不及 SearchOS 的动态模式。

SearchOS如何使用

• 准备环境：模型服务商及API Key的设置通过配置向导完成，而项目需从GitHub仓库访问并克隆。
• 开启交互：启动系统所用界面可在Web研究工作台、全屏TUI及CLI三者中任选其一。
• 提交查询：把自然语言问题输入搜索框，任务类型会由系统自动识别。
• 观察进度：各Agent如何分配和执行任务、Coverage Map处于何种补全状态、关系模式怎样构建，均能实时观察。
• 检查结果：结构化输出在任务完成后可供查看，其中每条数据附有citation，可定位回原始网页的具体位置。
• 中断和恢复：执行长程任务时可中途退出并继续运行，也能随时复盘以往的搜索轨迹与证据链。

SearchOS的关键优势

• 系统级外化状态：长程任务的失忆和重复问题之所以能从根本上解决，在于搜索状态被移出对话上下文并置入系统基础设施。
• 动态式关系模式：表结构会根据实体发现情况实时改变，更能适应真实检索场景的多样性；Oracle 实验已经验证其有效性。
• 高吞吐调度能力：F1分数获得提升的同时，任务完成时间约降低24%，LLM调用次数约减少13%，这些结果来自连续派发和流水线并行。
• 证据全链路追溯：从结论定位回网页原文的具体位置之所以可行，是因为citation随每个值一同保存，从而满足”尽可能找全、所有内容均有出处”这类严格要求。
• 充足的预置技能：搜索时间缩短36.6%、API调用次数降低39%-43%，是使用技能后的结果；预置的约280个技能涵盖网站访问及搜索策略。

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同类竞品对比

对比维度SearchOSWeb2BigTable架构方向状态外化的多智能体表格信息收集框架，属于搜索智能体操作系统状态管理方式以表格为状态中心的方式较简单，SOCM借助四类共享状态完成跨Agent实时同步模式建立方式固定表格结构在灵活性上受限，动态关系模式则跟随实体发现实时演化任务调度方式批处理调度需要等待整批完成；流水线并行+连续派发采取错峰推进中间件设置不存在系统级中间件，另有Evidence / Sensor / Context三层干预技能系统依赖模型自身能力且无技能库，对照方案预置约280个层次化技能WideSearch Item F180.373.8WideSearch Row F156.554.5GISA Set F176.556.7

SearchOS适用场景

• 竞品及市场调研：附带出处的大规模对比表，可由系统性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。
• 学术文献回顾：关键结论与方法摘要需要补全，同时围绕特定研究方向枚举发表会议、机构、作者及相关论文。
• 投研和尽职调查：多源交叉核验通过追踪目标企业的财务数据、诉讼记录、高管变动及股东结构实现。
• 产品比较与选型：辅助决策所需的结构化对比报告，可在收集同类产品的价格区间、用户评价和技术参数后生成。
• 开放域知识列举：例如”所有菲尔兹奖得主及其国家与所属机构，列举范围自2000年以来”等强调高召回率的信息收集任务。