SearchOS - 蚂蚁集团等开源的多智能体搜索协作框架

SearchOS是什么

SearchOS，全称Search Operating System，是人大高瓴人工智能学院与蚂蚁集团联袂开源的产物。这个名字听起来像是一个操作系统，但准确地说，它是一套多智能体搜索协作框架。我们先从几个关键点来理解它：它借鉴了关系型数据库的设计思想，把开放域的信息检索，抽象成一种动态的关系模式。然后，通过面向搜索的上下文管理、流水线并行调度，以及一个搜索工具中间层，来解决长程任务中那些让人头疼的问题——Agent失忆、重复查询、来源脱钩等。最终，它能让多个Agent共享状态、高效协作，并且每一步的证据都能追溯得清清楚楚。

SearchOS的主要功能

• 关系搜索模式构建
  ：这相当于把自然语言查询，自动转化成一张包含表结构、主键和外键的动态关系表。而且，系统不是一开始就把所有东西都定义好，而是在搜索过程中，一边发现新实体，一边动态补全属性。

• 多智能体协作搜索
  ：一个叫Orchestrator的Agent负责统一规划和调度，然后Explore Agent负责发现候选实体，Search Agent执行并行子任务，最后Writer Agent把结果整理成结构化报告。各司其职，有点像一条智能生产线。

• 面向搜索的上下文管理（SOCM）
  ：这是核心中的核心。它维护着四类共享状态信息——Frontier Tasks、Evidence Graph、Coverage Map、Failure Memory。这些状态能让多个Agent实时同步，进度可视化，避免干重复活或互相干扰。

• 搜索工具中间层
  ：这一层插在模型和工具之间，由Context Middleware、Sensor Middleware、Evidence Extraction Middleware组成。它们负责控制上下文规模、检测循环或停滞、以及从网页中结构化抽取证据并标好出处。

• 层次化技能库
  ：系统预置了大约280个技能，涵盖了排名检索、多跳搜索、实体消歧等策略型技能，也包括反爬、登录墙、动态页面等访问型技能。有了这些技能，Agent能应对各种复杂的搜索场景。

• 实时进度追踪
  ：支持CLI、全屏TUI和Web工作台三种界面。你可以实时看到Schema的补全进度、每个Agent的任务流，以及每一步的证据。如果任务中途被打断，之后还能恢复接着跑。

SearchOS的技术原理

• 关系型搜索抽象
  ：这项技术把信息检索任务定义成一个关系模式，核心公式是S = ({T_m}, R)，其中T_m是表模式（包含列属性A_m和主键P_m），R是表间关系。这样一来，各类检索任务都能统一落到一套结构化框架上，不再是一盘散沙。

• 共享状态基础设施
  ：一个关键判断是：搜索状态应该存在于系统中，而不是在Agent的对话上下文中。SOCM把任务状态外化成了四类共享数据结构，Agent通过查询这些共享状态来协作，避免了上下文压缩导致的事实丢失。

• 流水线并行调度
  ：借鉴了micro-batch的思路，把search→open→find这条操作链视为一条搜索流水线。多个Search Agent错峰进入、交叠推进，同时还有连续派发机制——一个Agent完成后，立刻补入新任务，极大提升了槽位利用率和整体效率。

• 中间件干预机制
  ：在模型和工具之间插入了三层中间件。Context Middleware控制上下文规模，避免无限膨胀；Sensor Middleware识别循环和停滞，触发策略切换；Evidence Extraction Middleware负责结构化抽取、citation锚定和证据入库，保证每个数据都有据可查。

• 动态模式演化
  ：系统会随着实体的发现，动态调整表结构。有意思的是，实验表明，即使事先指定一个最优的固定结构（Oracle），效果也低于SearchOS的动态模式。这说明，动态演化才是真正的解法。

如何使用SearchOS

• 环境准备
  ：访问GitHub仓库克隆项目，然后通过配置向导，设置好模型服务商和API Key。

• 启动交互
  ：可以选择CLI、全屏TUI或Web研究工作台三种界面中的任意一种启动系统。

• 输入查询
  ：直接在搜索框中输入自然语言问题，系统会自动识别任务类型，开始工作。

• 查看进度
  ：实时观察关系模式的构建过程、Coverage Map的补全状态，以及各Agent的任务分配和执行流。

• 审阅结果
  ：任务完成后，查看结构化输出。每条数据都附带citation，可以回溯到原始网页的具体位置。

• 中断与恢复
  ：长程任务支持中途退出后接续运行，也可以随时复盘历史搜索轨迹和证据链。

SearchOS的核心优势

• 系统级状态外化
  ：这是SearchOS最根本的改动——把搜索状态，从对话上下文中迁移出来，沉淀到系统基础设施里。长程任务中的Agent失忆和重复查询，因此被彻底解决。

• 动态关系模式
  ：实体发现过程中自动调整表结构，比固定模式更灵活、更贴合真实场景。Oracle实验已经验证了它的有效性。

• 高吞吐量调度
  ：流水线并行与连续派发机制，让任务完成时间降低了约24%，LLM调用次数减少了约13%，同时F1分数反而提升了。

• 全链路证据追溯
  ：每个值都保存citation，支持从结论一直回溯到网页原文的某个具体位置。真正做到“尽量找全、每条都有出处”。

• 丰富的预置技能
  ：280个技能覆盖搜索策略和网站访问，使用技能后，搜索时间缩短了36.6%，API调用次数降低了39%到43%。

SearchOS的项目地址

• 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的同类竞品对比

从对比中能看出，SearchOS在架构上与Web2BigTable有本质不同。它不是一个简单的信息收集工具，而是一个完整的搜索智能体操作系统，状态外化、动态模式、流水线调度、中间件层和技能库，这些设计让它从底层上解决了长程搜索的诸多难题。

SearchOS的应用场景

• 竞品与市场调研
  ：系统性地收集竞品公司的融资轮次、产品功能、定价策略等信息，最终生成一张带出处的详细对比表。

• 学术文献综述
  ：针对特定研究方向，枚举相关论文、作者、机构、发表会议，并补全关键结论和方法摘要。

• 投研与尽职调查
  ：追踪目标企业的股东结构、高管变动、诉讼记录、财务数据，实现多源交叉核验。

• 产品对比与选型
  ：收集同类产品的技术参数、用户评价、价格区间，生成结构化对比报告，辅助决策。

• 开放域知识枚举
  ：比如“列出2000年以来所有菲尔兹奖得主及其所属机构与国家”，这类需要高召回率的信息收集任务，正是SearchOS的强项。