SearchOS – 中国人民大学与蚂蚁集团推出的多智能体搜索框架系统

SearchOS快速摘要

SearchOS是中国人民大学高瓴人工智能学院与蚂蚁集团于2026年7月发布的多智能体搜索框架，专门面向长链路开放域信息检索任务设计。SearchOS将复杂搜索过程建模为关系型模式补全任务，通过SOCM状态管理系统、多智能体并行调度机制以及搜索中间件架构，实现更完整、更稳定的信息收集与推理能力，适用于研究分析、数据调查、企业情报、知识检索等场景。

• 开发机构：中国人民大学高瓴人工智能学院与蚂蚁集团
• 发布时间：2026年7月16日
• 发布形式：以 arXiv 预印本形式公开发布（arXiv:2507.15257v1）
• 框架类型：多智能体搜索框架
• 核心功能：长链路信息搜索与开放域检索
• 技术架构：SOCM + Multi-Agent + Middleware
• 智能体角色：Orchestrator、Explore、Search、Writer
• 技能系统：内置280个预构建搜索技能
• 开源情况：论文公开，暂未开源完整系统

SearchOS的核心优势

• SOCM状态管理：通过Evidence Graph、Coverage Map等状态层管理搜索过程，解决长链路任务中的上下文膨胀与信息遗失问题。
• 多智能体协同：Orchestrator、Explore、Search和Writer智能体分工执行规划、检索与生成任务，相比单智能体框架可覆盖更多信息源并降低遗漏率。
• 持续调度机制：采用Continuous Dispatch动态调度任务，资源释放后立即启动新任务。据论文实验显示，总执行时间降低24.3%，资源利用率明显提升。
• 搜索中间件治理：通过Context、Evidence和Sensor Middleware监控搜索过程，识别循环搜索与无效检索，提升系统稳定性与搜索效率。
• 280项预构建技能：内置策略、访问和调度三层技能体系。据论文消融实验显示，Item F1由78.3提升至80.3，同时显著降低搜索成本。

SearchOS的主要功能

• 开放域信息搜索：支持跨网站、多来源信息检索，可自动拆解复杂问题并汇总结果，适用于行业研究、企业情报和知识发现任务。
• 关系模式补全：将搜索任务建模为Relational Schema Completion，自动发现缺失字段和未覆盖实体，提高信息完整性与结果质量。
• 证据图谱构建：所有有效搜索结果进入Evidence Graph统一管理，并保留来源信息，增强结果可追溯性和引用可靠性。
• 覆盖率监控：利用Coverage Map实时评估任务完成度，发现缺失内容后自动调整搜索策略，减少重要信息遗漏。
• 结构化报告生成：Writer Agent根据证据生成表格、列表和分析报告，适用于竞品分析、市场研究和知识库建设场景。

SearchOS的技术原理

• SOCM架构：通过Evidence Graph、Coverage Map、Frontier Task和Failure Memory管理搜索状态，使任务执行不再依赖单一上下文窗口。
• Pipeline Parallel：借鉴流水线并行思想，实现多智能体持续协同工作，提高搜索吞吐量与复杂任务处理效率。
• Evidence Extraction：搜索结果需经过证据提取与验证流程，仅保留满足绑定规则的信息，保证结果真实性与可验证性。
• Sensor监测机制：持续监控覆盖率、证据增长率和资源消耗，当搜索停滞或重复时自动调整执行策略。
• Hierarchical Skills：构建Orchestrator、Strategy和Access三级技能体系，帮助智能体快速完成规划、检索和信息处理任务。

SearchOS与主流模型对比

据SearchOS论文实验数据显示，在WideSearch基准测试中，SearchOS获得80.3的Item F1成绩，相比A-MapReduce的76.0提升4.3分；在GISA基准测试中，SearchOS获得76.5的Set F1成绩，相比最强基线63.1提升13.4分。论文指出，性能提升主要来源于SOCM状态管理机制、Evidence Graph证据管理以及Coverage Map覆盖率控制。传统ReAct框架主要依赖上下文记忆，因此在长链路任务中容易出现信息遗失问题，而SearchOS通过独立状态层实现持续搜索能力。对于需要跨多个网站收集大量结构化信息的场景，SearchOS展现出更高的召回率和完整性表现。

如何使用SearchOS

1. 环境准备：访问GitHub仓库获取项目代码，根据官方文档完成安装流程，并配置模型服务商、搜索服务和API Key等运行参数。
2. 启动系统：根据使用需求选择CLI命令行界面、全屏TUI界面或Web研究工作台启动SearchOS，进入任务执行环境。
3. 输入查询：在输入框中使用自然语言描述研究目标，例如行业分析、企业情报或学术调研任务，系统会自动规划搜索流程。
4. 查看进度：实时观察Coverage Map覆盖率变化、关系模式补全过程以及各智能体的任务执行状态，了解搜索进展。
5. 审阅结果：任务完成后查看结构化输出结果，每条信息均附带引用来源和证据链，支持回溯原始网页内容。
6. 中断恢复：长链路搜索任务支持暂停和恢复执行，可随时查看历史搜索记录、证据图谱和任务轨迹。

SearchOS的局限性

• 计算资源需求较高：SearchOS采用多智能体并行架构，默认配置包含多个子智能体同时运行。
• 实时性并非核心目标：系统主要针对长链路信息搜索设计，任务往往持续数分钟甚至更长时间。

SearchOS相关资源

• 项目官网：SearchOS-An operating system for search agents
• GitHub仓库：https://github.com/antins-labs/SearchOS
• arXiv技术论文：https://arxiv.org/pdf/2607.15257

SearchOS的典型应用场景

• 行业研究：自动收集企业、产品、市场和技术信息，生成结构化行业分析资料，适合研究机构和咨询团队使用。
• 竞品分析：汇总竞争产品的功能、价格、定位和市场动态，帮助企业快速完成竞品调研工作。
• 学术调研：检索论文、作者、机构及研究方向信息，辅助研究人员开展文献分析和知识整理。
• 企业情报：持续追踪企业融资、产品发布和合作动态，为市场分析和战略决策提供参考。
• 知识库建设：自动收集并整理领域知识，形成结构化内容库，提升企业知识管理效率。

SearchOS常见问题