SearchOS

SearchOS是什么

SearchOS是中国人民大学高瓴人工智能学院与蚂蚁集团联合推出的开源多智能体搜索协作框架。它借鉴关系型数据库的设计理念，把开放域信息检索抽象为一种动态关系模式，让多个智能体像操作系统调度进程一样共享状态、协同工作。面对长程搜索任务中Agent普遍存在的”失忆”、重复查询、信息来源脱钩等系统级难题，SearchOS通过面向搜索的上下文管理、流水线并行调度与搜索工具中间层三大核心机制给出了解法，并支持从结论一路回溯到原始网页的证据追溯。项目官网、GitHub仓库与arXiv论文均已公开。

SearchOS 在 GitHub 上的开源仓库

SearchOS的核心功能

1. 关系型搜索范式：自动把自然语言查询转化为带表结构、主键与外键的关系模式，在信息探索过程中一边发现实体、一边动态补全属性。
2. 多智能体协同搜索：Orchestrator统一指挥调度，Explore Agent负责发掘潜在实体，Search Agent并行执行各项子任务，最后由Writer Agent汇总生成结构化报告。
3. 面向搜索的上下文管理（SOCM）：维护Frontier Tasks、Evidence Graph、Coverage Map与Failure Memory四类共享状态，让任务进展可视化，并实现跨Agent的实时信息同步，避免上下文压缩导致的事实遗失。
4. 搜索工具中间层：在模型与工具之间设置Context Middleware、Sensor Middleware与Evidence Extraction Middleware三层中间件，分别负责状态注入、循环检测与策略切换、证据的结构化提取与引用锚定。
5. 约280种预置技能：技能库涵盖排名检索、多跳搜索、实体消歧等策略类技能，以及反爬、登录墙、动态页面处理等访问类技能。
6. 实时进度追踪：提供CLI、全屏TUI与Web工作台三种交互界面，可实时观察关系模式构建、Agent任务流与逐条证据生成，并支持任务中断后的无缝恢复。

SearchOS的技术原理

1. 关系模式抽象：信息检索任务被形式化为关系模式S=({T_m}, R)，其中T_m代表表模式（含列属性与主键），R表示表间关联，各类检索任务由此统一进同一个结构化框架。
2. 共享状态基础设施：核心理念是搜索状态应从对话上下文中外化到系统层，Agent通过查询四类共享数据结构实现协作，从根本上减少遗忘与重复劳动。
3. 流水线并行调度：借鉴micro-batch思路，把”搜索→开放→查找”组织成一条流水线，多个Search Agent错峰进入、交叠推进；连续派发机制确保Agent完成任务后立即补入新任务，最大化槽位利用率。
4. 中间件干预机制：Context Middleware控制上下文规模，Sensor Middleware识别循环与停滞并触发策略切换，Evidence Extraction Middleware完成结构化抽取、引用锚定与证据入库。
5. 动态模式演进：表结构随实体发现实时调整，官方实验显示即便预设最优固定结构（Oracle），效果也不及SearchOS的动态模式。

如何使用SearchOS

1. 环境准备：从GitHub克隆项目仓库，按配置向导完成模型服务商与API Key的设置。
2. 选择界面：在CLI、全屏TUI与Web研究工作台三种入口中任选其一启动系统。
3. 输入查询：在搜索框用自然语言描述问题，系统会自动识别任务类型并生成关系模式。
4. 观察进度：实时查看模式构建过程、Coverage Map的填充状态以及各Agent的任务分配与执行流程。
5. 审阅结果：任务完成后检查结构化输出，每一条数据都附带citation，可追溯到原始网页及其具置。
6. 中断恢复：长程任务支持中途退出后继续运行，也可随时回顾历史搜索轨迹与证据链。

SearchOS与同类工具的对比

官方评测显示，SearchOS在WideSearch基准上取得Item F1 80.3、Row F1 56.5，在GISA Set上取得F1 76.5；流水线并行调度使任务完成时间缩短约24%、LLM调用次数减少约13%，同时F1分数有所提升；预置技能的应用则让搜索时间缩短36.6%、API调用次数降低39%至43%。下表是它与多智能体表格信息收集框架Web2BigTable的对比：

SearchOS 官方网站首页

SearchOS的使用场景

1. 竞品与市场情报收集：系统汇集竞争对手的融资历程、产品特性、定价策略等信息，生成带出处的大规模对比表格。
2. 学术文献综述：针对特定研究领域，全面列举相关论文、作者、机构与发表会议，并补充关键结论与研究方法摘要。
3. 投资研究与尽职调查：追踪目标企业的股东构成、高管变动、法律诉讼与财务数据，实现多源信息交叉验证。
4. 产品对比与选型：收集同类产品的技术参数、用户反馈与价格区间，生成结构化对比报告辅助决策。
5. 开放域知识枚举：完成”列出2000年以来所有菲尔兹奖得主及其所属机构与国家”这类高召回要求的信息搜集任务。

如果只需要轻量级的搜索问答体验，也可以先在站内试试SearchAny AI搜索引擎、360旗下的纳米搜索 n.cn，或者聚合知识库与联网结果的MemFree – AI搜索引擎；做学术调研时还可搭配Lumina AI学术搜索引擎使用，而无版权图片搜索则适合为整理好的资料补充可商用的配图。

SearchOS的常见问题解答

SearchOS适合什么人使用？

适合需要批量、结构化搜集开放域信息的研究者、分析师与工程师，尤其是要求每条数据都能追溯到原始出处的严谨场景；框架开源于GitHub，具备一定技术基础的用户可自行部署。

SearchOS如何解决Agent”失忆”问题？

它把任务状态外化为Frontier Tasks、Evidence Graph、Coverage Map与Failure Memory四类系统级共享状态，Agent通过查询共享状态协作，而不是把所有信息塞进对话上下文，从机制上避免长程任务中的遗忘与重复查询。

SearchOS的搜索结果可信吗？

框架为每个数据值保存citation，支持从结论回溯到网页原文的具置，配合Evidence Extraction Middleware的结构化抽取与引用锚定，满足”尽量找全、每条都有出处”的要求。

SearchOS官网网址

项目官方网站：https://antins-labs.github.io/SearchOS/

GitHub开源仓库：https://github.com/antins-labs/SearchOS

arXiv技术论文：https://arxiv.org/pdf/2607.15257

OpenI AI时代点评

当多数多智能体搜索项目还在比拼”哪个模型更聪明”时，SearchOS选择先把操作系统式的底层问题解决好：状态外化、流水线调度、中间件干预、证据追溯，每一环都直指长程Agent任务的真实痛点。WideSearch Item F1 80.3与约280个预置技能的成绩单，也让它不只是论文里的概念验证。对想搭建深度研究型搜索系统的团队而言，这是一个架构思路与工程细节都值得细读的开源项目，入口见SearchOS官网。