SearchOS 开源多智能体搜索协作框架
SearchOS 通过系统级状态管理和调度，解决了多智能体长程搜索中的失忆和效率问题，让搜索更持久、不重复。
针对长程搜索任务中模型失忆、重复查询、状态丢失等问题，SearchOS 将搜索状态作为系统基础设施，采用关系数据模式定义信息结构，引入共享状态管理任务、证据、覆盖和失败记录，并通过流水线并行调度和工具中间层提升效率与稳定性。
正文摘录
.jpg)  让 Agent 上网查资料，已经不算新鲜事。 过去一年多，搜索智能体的能力提升主要沿着一条清晰路径展开：通过强化学习，让模型学会何时搜索、如何构造查询、怎样调用工具，以及如何根据页面内容继续推理。 但模型搜索能力的提升，并不会自然解决长程任务中的系统问题。在复杂的信息检索过程中，模型往往需要动态发现成百上千的实体、补齐大量属性，并在多个来源之间核验事实，有限窗口上下文的模型往往难以完成此类任务。 如果计划、进度、证据和失败记录主要保存在不断增长的对话上下文中，任务拉长后就容易出现几类问题：已经确认的事实随压缩丢失，不同子任务重复查询，多个 Agent 对字段口径理解不一，来源与结论脱钩，系统也很难准确判断 “已经完成多少、还缺什么”。 搜索 Agent 学会调用工具之后，下一个问题是：怎样让它在长程任务里搜得久、不重复、不失忆，还能知道自己究竟搜全了没有？ 来自人大和蚂蚁最新的研究工作 SearchOS 给出的答案，是把搜索状态做成一种可以调度的基础设施，并提供系统级的多智能体搜索协作。