让 Agent 上网查资料已经不新鲜。但模型搜索能力的提升，并不能自动解决长程任务里的系统问题——上下文越长越糊、查过的资料下次还得重查、Agent 容易陷入重复查询的死循环。

中国人民大学和蚂蚁集团最新开源的 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，而不是塞在对话历史里。

资源链接

• 代码仓库：github.com/antins-labs/SearchOS
• 论文：arxiv.org/abs/2607.15257
• 项目官网：antins-labs.github.io/SearchOS
• YouTube 演示合集：Playlist

SearchOS 是什么

更直白的类比：传统搜索 Agent 是"边查边忘"的实习生，SearchOS 是"带数据库的搜索团队"。

它的核心借鉴关系型数据库的设计理念：给定一个自然语言请求，系统首先创建一个关系搜索模式（relational schema）——T_m 定义表模式，A_m 是要填写的列，P_m 是区分每一行的主键，R 是表之间的对应关系。整个搜索过程，就是在持续填写、补全这张关系表。

四项核心设计

1. 面向搜索的上下文管理（SOCM）

把搜索状态存在系统里，而不是对话历史中。维护四类持续演化的共享状态：

• Frontier Tasks：待办任务队列，带优先级和依赖关系
• Evidence Graph：证据图谱，记录 finding、source、confidence 以及证据之间的关系
• Coverage Map：关系模式的实时补全状态（哪些格子已填、哪些还缺）
• Failure Memory：失败记忆，记录无效查询、不可访问来源和缺失能力

2. 流水线并行调度

采用 Orchestrator-子智能体架构。长生命周期的 Orchestrator 负责统一规划、调度和收敛，把任务分派给多个短生命周期的 Search Agent，配合流水线并行机制和连续派发。

3. 搜索工具中间层

三类中间件把搜索过程中的脏活累活抽象掉：

• Context Middleware：按需注入相关状态，控制上下文规模
• Sensor Middleware：识别循环、重复查询和停滞
• Evidence Extraction Middleware：结构化抽取、单位归一、citation 锚定和证据入库

4. 层次化搜索技能库

技能按 orchestration / strategy / access 三层组织，开源首版预置约 280 个技能：

• Strategy skills：排名检索、多跳搜索、实体消歧
• Access skills：处理反爬、登录墙、动态页面

基准表现

在两个开放信息检索基准上的 max@3 结果：

SearchOS 在全部 F1 指标上领先基线，Set F1 上比次优基线高 13.4 分——增益主要来自 Coverage Map 驱动的持续补漏。

怎么开始用

SearchOS 已经提供三种工作界面，任选其一：

• CLI：脚本化集成到现有 pipeline
• 全屏 TUI：终端里实时查看 Schema 补全进度、Agent 任务流和逐格证据
• Web 研究工作台：图形化操作，支持中途退出后继续运行或回头复盘

支持多家模型服务商，也可本地部署。

适合谁用

长程、多跳、需要核验的搜索任务，是 SearchOS 的甜蜜区：

• 竞品调研：跨多个产品维度对比、补全信息缺口
• 榜单 / 作品完整枚举：保证覆盖度，避免遗漏
• 多跳信息核验：每条结论都带 citation 锚定
• 咨询 / 投研 / BD / 科研：长程调研任务的结构化管理

如果你的工作里有"查完一堆资料还得整理成结构化报告"的环节，SearchOS 值得花一个下午跑通。