antins-labs/SearchOS

解决的问题

SearchOS 解决了长周期 AI 搜索任务中的常见失败问题，例如：信息在对话历史中丢失的不透明过程、代理重复搜索相同数据的循环问题、代理在搜索和总结之间角色模糊的问题，以及无法访问反机器人墙或登录门后的数据的问题。

工作原理

SearchOS 作为一个多代理协作系统运行，将搜索状态视为系统资产而非对话历史。它使用搜索导向上下文管理（SOCM）来维护一个共享的持久状态，包括任务队列、证据图和覆盖地图。

该过程分为六个步骤：

1. 探索：侦察代理识别查询类型、枢纽页面和候选实体。
2. 模式：系统构建一个标准化的覆盖地图（实体 x 属性表）。
3. 分派：地图中的空白被拆分为子任务，并分派给并行搜索代理。
4. 提取：提取中间件自动将结构化数据（实体、属性、值、来源）提取到证据图中。
5. 评估：系统轮询子任务，处理冲突，并聚焦于剩余的空单元格。
6. 合成：基于完成的覆盖地图生成最终答案，并附带完整引用。

适用人群

专为需要跨多个实体和属性获取结构化、引用依据结果的开放式信息检索和深度研究用户设计。

主要亮点

• SOCM（搜索导向上下文管理）：保持任务队列和证据图的持久性，支持会话快照、恢复和重放。
• 基于覆盖地图驱动：将问题标准化为表格，确保每个所需数据点都被持续追踪直至填满。
• 流水线并行代理：重叠搜索、打开和查找阶段，以减少总墙钟时间。
• 引用依据：每个提取的值都锚定在证据图中的来源上。
• 循环打破传感器：采用五种检测类型，防止代理重复执行相同的失败搜索查询。
• 技能系统：包含专门的访问技能以绕过反机器人墙，以及用于多跳或排序问题的策略技能。