SearchOS – 蚂蚁集团等开发的开源多智能体协作框架

SearchOS是由中国人民大学与蚂蚁集团联合开发的开源多智能体协作框架，定位为搜索任务的“操作系统”。它通过统一状态管理、动态任务调度和证据追溯机制，解决复杂信息检索中多智能体协作的系统性难题，尤其在需要长程推理、多源验证与结构化输出的场景中表现突出。

SearchOS核心特点

• 操作系统级架构：将搜索过程中的中间产物（如证据链、覆盖率地图）抽象为跨智能体共享的全局状态，避免传统单智能体因上下文丢失导致的重复劳动。
• 角色分工明确：每个智能体仅处理局部子任务（如探索、收集、核验），状态治理、异常干预等复杂逻辑由系统层统一完成，显著降低单智能体推理复杂度。
• 动态适应性：实时追踪已收集信息的覆盖率，自动识别缺失项并触发补漏任务，尤其在需枚举完整集合的任务中效果显著。

SearchOS技术原理

• 三层协作体系：
  1. 调度层：采用流水线并行的连续派发机制，提升系统吞吐量，同时减少模型调用次数。
  2. 干预层：在搜索停滞的早期、中期、后期自动介入，检测循环或低效行为时注入修正指令或强制终止，避免智能体陷入无效探索。
  3. 技能层：预置约280个结构化技能，分为任务编排、搜索策略和访问技术三类。
• 证据闭环验证：所有搜索结果均绑定原始页面快照与定位路径，形成可追溯的证据链。同时，通过覆盖率动态审计，确保信息收集的完整性。

SearchOS项目地址

• 项目官网：https://antins-labs.github.io/SearchOS/
• GitHub仓库：https://github.com/antins-labs/SearchOS

SearchOS关键优势

• 性能与可靠性：在 WideSearch 基准测试中，Item F1 达到 80.3；在需枚举完整集合的 GISA Set 任务中，F1 值达 76.5，领先次优方案 13.4 分。
• 工程效率：预置技能库使搜索 API 调用次数减少 39.1%，任务运行时间缩短 36.6%，单次任务成本大幅下降。Sensor 中间件将任务失败率降低 50% 以上。

SearchOS核心功能

• 结构化信息收集：支持跨实体关联的数据收集（如同时抓取“电影-演员-票房”三张表并建立关联），并根据任务需求自动生成表格、集合、列表等格式。
• 全链路可追溯：每个数据点均标注来源页面与定位坐标，支持一键回溯原始证据。同时可实时展示覆盖率进度、智能体分工状态及停滞干预记录。

SearchOS应用场景

• 企业级知识管理：快速汇总多源市场数据，生成可核验的竞品对比表格；交叉验证政策文件、合同条款的完整性。
• 科研与公共事务：从分散文献中提取结构化数据（如药物副作用统计表），确保每项数据可溯源；核查政府开放数据的完整性。
• 高价值商业场景：动态追踪供应商资质、舆情事件等多维信息，自动补全风险链中的断裂节点；从财报、新闻、工商系统中聚合企业关联图谱，识别隐性股权结构或担保风险。