SearchOS 是人大与蚂蚁联合开源的多智能体搜索协作框架，借鉴关系型数据库思路，把搜索状态做成可调度的基础设施，预置约 280 个搜索技能。
SearchOS 是人大与蚂蚁联合开源的多智能体搜索协作框架，借鉴关系型数据库思路，把搜索状态做成可调度的基础设施，预置约 280 个搜索技能。
xAI发布Grok 4.3，API价格大幅下降40-60%，代理任务Elo提升321分，但硬推理仍落后GPT-5.5和Claude 4.7。
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。
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。
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：
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。
三类中间件把搜索过程中的脏活累活抽象掉：
技能按 orchestration / strategy / access 三层组织，开源首版预置约 280 个技能：
在两个开放信息检索基准上的 max@3 结果：
| 基准 | Item F1 | Row/Set F1 |
|---|---|---|
| WideSearch（200 题，中英各 100，跨 15+ 领域） | 80.3 | 56.5 |
| GISA（373 题贴近真实检索） | 76.9 | 76.5 |
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。
SearchOS 已经提供三种工作界面，任选其一：
支持多家模型服务商，也可本地部署。
长程、多跳、需要核验的搜索任务，是 SearchOS 的甜蜜区：
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。
