SearchOS - 蚂蚁集团等推出的开源多智能体搜索协作框架

认识SearchOS

由人大高瓴人工智能学院和蚂蚁集团联合推出的SearchOS，是一套开源多智能体搜索协作框架。开放域信息检索在其中被抽象成动态关系模式，这一设计借鉴了关系型数据库理念。针对长程任务里的 Agent 失忆、重复查询和来源脱钩等系统级问题，框架设置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，让多 Agent 可以高效协作、共享状态并追溯证据。

SearchOS功能一览

• 构建关系式搜索模式：自动把自然语言查询转换成含有表结构、主键和外键的动态关系模式，在发现实体的同时补全属性。
• 协作式多智能体搜索：结构化报告由Writer Agent生成，候选实体交给Explore Agent发现，并行子任务由Search Agent执行，整体规划调度则统一归Orchestrator负责。
• 搜索上下文管理体系（SOCM）：进度可视化和跨 Agent 同步建立在四类共享状态之上，分别是Frontier Tasks、Evidence Graph、Coverage Map、Failure Memory，系统会持续维护它们。
• 搜索工具中间层：状态注入由Context Middleware负责，循环检测交给Sensor Middleware，证据结构化抽取则由Evidence Extraction Middleware完成。
• 层次化技能库：约 280 个技能已预置，其中策略技能包括排名检索、多跳搜索和实体消歧等，访问技能则用于应对反爬、登录墙与动态页面等情况。
• 实时进度追踪：Schema 补全进度、Agent 任务流和逐格证据均可实时查看，操作界面涵盖 CLI、全屏 TUI 与 Web 工作台；退出后还能恢复。

SearchOS原理说明

• 关系型搜索抽象：关系模式 S = ({T_m}, R)用于定义信息检索任务；其中，表模式由 T_m 表示并包含列属性 A_m 和主键 P_m，表间关系由R表示，因而不同检索任务都能归入同一套结构化框架。
• 共享状态系统底座：搜索状态应保留在系统中，这是核心判断。任务状态经SOCM外化为四类共享数据结构后，Agent通过查询这些状态开展协作，上下文压缩造成的事实丢失也得以避免。
• 流水线并行调度：search→open→find被组织为搜索流水线，并采用micro-batch思路；多个Search Agent以错峰方式进入并交叠推进。某个Agent完成工作后，连续派发机制会立刻补入新任务，从而改善槽位利用率和墙钟效率。
• 中间件干预机制：三层中间件位于模型与工具之间。上下文规模由Context Middleware控制；Sensor Middleware发现循环或停滞后触发策略切换；结构化抽取、citation锚定和证据入库则交由Evidence Extraction Middleware处理。
• 动态模式演化：系统会在发现实体的过程中动态修改表结构；实验显示，即使预先给出最优固定结构（Oracle），其效果仍不及SearchOS的动态模式。

SearchOS操作指南

• 环境准备：先从 GitHub 仓库克隆项目，再在配置向导内设置模型服务商及 API Key。
• 启动交互：系统可从三种界面启动，分别为 CLI、全屏 TUI 和 Web 研究工作台。
• 输入查询：自然语言问题提交到搜索框后，任务类型将由系统自动判断。
• 查看进度：可实时观察各 Agent 的任务分配及执行流，同时掌握Coverage Map 的补全状态和关系模式构建过程。
• 审阅结果：任务结束后审阅结构化输出，其中每条数据均附有citation，可追溯到原始网页和具体位置。
• 中断与恢复：即使长程任务中途退出，之后仍能接续运行；历史搜索轨迹和证据链也可随时复盘。

SearchOS优势解析

• 系统级状态外化：长程任务发生失忆和重复的根源问题，通过把搜索状态移出对话上下文并纳入系统基础设施得到解决。
• 动态关系模式：表结构会随实体发现实时变化，比固定模式更能适应真实检索场景的多样性，其有效性已由Oracle实验验证。
• 高吞吐量调度：任务完成时间约降低 24%、LLM 调用次数约减少 13%，同时F1 分数上升，这些收益来自流水线并行和连续派发。
• 全链路证据追溯：从结论可沿citation回查网页原文的具体位置，因为每个值都会保存citation，以满足”每条注明出处并尽可能找全”的严谨需求。
• 丰富的预置技能：搜索策略和网站访问由约 280 个技能覆盖；使用后，API 调用次数降低 39%-43%，搜索时间缩短 36.6%。

SearchOS项目入口

• 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

同类竞品与SearchOS对照

维度SearchOSWeb2BigTable架构定位状态外化型搜索智能体操作系统面向多智能体表格的信息收集框架状态管理跨 Agent 实时同步依托SOCM 四类共享状态以表格作为中心，状态设计较简单模式构建随实体发现实时演化的动态关系模式固定表格结构，灵活性受限调度机制错峰推进依靠流水线并行 + 连续派发等待整批完成的批处理调度中间件层三层干预包括Context / Sensor / Evidence系统级中间件缺失技能体系依靠约 280 个预置层次化技能仅依赖模型自身能力，不设技能库WideSearch Item F180.373.8WideSearch Row F156.554.5GISA Set F176.556.7

SearchOS适用场景

• 竞品与市场调研：带出处的大规模对比表，可在系统性收集竞品公司的定价策略、融资轮次及产品功能等信息后生成。
• 学术文献综述：选定具体研究方向后，对相关作者、论文、发表会议和机构进行枚举，再补充方法摘要与关键结论。
• 投研与尽职调查：多源交叉核验以追踪目标企业信息为基础，覆盖财务数据、诉讼记录、高管变动和股东结构。
• 产品对比与选型：决策可由结构化对比报告辅助，报告依据同类产品的价格区间、技术参数和用户评价生成。
• 开放域知识枚举：如”汇总自 2000 年起全部菲尔兹奖得主，以及各自所属国家与机构”等以高召回率为要求的信息汇集任务。