SearchOS-V1：把搜索型 Agent 的“进度”变成共享状态

导语

随着大模型接入搜索工具，Agent 已经能承担越来越复杂的信息检索与研究任务。但一个现实问题也变得突出：任务越长，历史上下文越膨胀，Agent 越难判断自己查到了什么、还缺什么、哪些路径已经失败。结果往往是反复搜索相同问题、消耗工具预算，却没有补齐关键证据。

SearchOS-V1 关注的正是这个痛点。它不是单纯提出一个新的搜索提示词或单个 Agent，而是把开放域信息搜索设计成一个系统级多 Agent 协作框架：让搜索进度从隐含在对话历史里的脆弱信息，变成可持久化、可共享、可调度的结构化状态。

核心要点

• 把搜索任务转为关系模式补全：SearchOS 将开放域信息寻求看作“带来源引用的关系表填充”。Agent 需要发现实体、补全属性、维护表之间的关联，并为每个值绑定可追溯证据。
• SOCM 外置上下文管理：Search-Oriented Context Management 将任务状态拆成 Frontier Task、Evidence Graph、Coverage Map 和 Failure Memory。这样系统不仅知道已找到什么，也能记录未覆盖区域和失败过的检索路径。
• 减少重复循环：Failure Memory 用于保存无效尝试，帮助后续 Agent 避免再次走入同样的搜索死胡同。这对长程研究任务尤其重要，因为失败信息本身也是进度的一部分。
• 流水线并行调度：SearchOS 会重叠执行多个子 Agent，并在空闲槽位出现时继续补入面向覆盖缺口的新任务，以提升吞吐和工具使用效率。
• 搜索工具中间件：Search Tool Middleware Harness 会拦截模型与工具交互，记录有依据的证据，并在停滞或预算耗尽时触发控制逻辑。论文还提到可复用的分层技能系统，用策略技能和访问技能增强搜索过程。

意义与影响

SearchOS 的价值在于把“会搜索”推进到“会管理搜索”。对企业研究、竞争情报、学术调研、复杂问答等场景来说，最终答案的质量不仅取决于模型能力，也取决于证据是否完整、缺口是否可见、失败路径是否被系统记住。

从工程角度看，SearchOS 更接近一个面向搜索 Agent 的操作层：它把状态、调度、证据和失败控制从模型上下文中抽离出来，使多 Agent 协作不再完全依赖长对话记忆。论文称，在 WideSearch 和 GISA 两个评测中，SearchOS 在所评估的单 Agent 与多 Agent 基线中取得领先结果。

当然，素材未给出更细的指标数字，因此还需要结合论文全文与开源实现进一步判断其泛化能力和部署成本。但其提出的方向很清晰：未来的研究型 Agent 不能只依赖更长上下文，还需要更可靠的外部状态与过程控制。

来源：Hugging Face Daily Papers