智能体搜索的三种技术路线

当智能体不知道如何找到正确答案时，智能体搜索才真正有趣。

当然，它可能自认为知道答案，甚至一本正经地胡说八道。但由于缺乏足够的领域认知，智能体往往会把自己带偏。它经常误判用户眼中“相关内容”到底是什么。

例如：在时尚领域，搜索“红鞋”时，用户期待的是高跟鞋；而“ABE”并不是林肯（Abraham Lincoln），而是一款 A/B 测试工具。

这些都是特定领域知识。智能体只有在获得充分上下文后，才能理解这些隐含含义。而要做好上下文工程，往往离不开智能体搜索。

有趣的是，人们口中的“智能体搜索”，实际上可能指三种完全不同的技术路线：

1. 检索驱动（Retrieval-Centric） —— 构建高质量搜索，让智能体通过检索补充缺失的上下文。
2. 编排驱动（Harness-Centric） —— 即便搜索能力有限，也能通过工作流、规则和反馈，引导智能体逐步找到信息。
3. 模型驱动（Model-Centric） —— 通过微调大语言模型，让模型学会搜索企业内部数据和知识库。

理解了它们的差异，你就能明白：当同事谈论“智能体搜索”时，他们究竟在说哪一种。

一、检索驱动

当前沿模型不知道答案时，它们会去搜索。例如，向 ChatGPT 提问新闻事件，它会去搜索；问它非常具体的技术问题，它也会搜索。在训练过程中，LLM 会通过搜索示例学习自己不知道的内容，从而找到所需信息。

因此，我们只需要构建高质量的搜索，就能满足智能体的各种查询需求。

举例来说，假设我们运营一个电商目录。用户搜索“红鞋”，实际意思是“红色高跟鞋”，但智能体并不清楚。幸运的是，它会执行搜索。下图展示了搜索返回的正确结果。

当然，这里还可能涉及其他组件——如查询理解、结果多样性、定制嵌入模型等。

关键点：搜索牵引智能体找到真正相关的内容。我们假设搜索可以定义“红鞋”的正确含义，从而覆盖智能体自身的认知偏差。

当 RAG 答案看起来不像答案时

大多数团队在检索驱动方法中会使用经典的 RAG（检索增强生成）架构：将答案拆分成多个片段，并通过嵌入向量训练模型识别这些片段为答案。

问题是，这些答案并不总是看起来直接对应问题。例如：

问题：

书籍《Ubik》的梗概

答案：

到 1992 年，人类已殖民月球，心灵能力普遍存在。主人公 Joe Chip 是 Runciter Associates 的一名负债技师，这家公司雇佣“惰性人”（inertials）来抵消通灵者和“预知者”的能力，以保障客户隐私。

如果你没有读过《Ubik》，很难看出这个答案与问题的直接关联。智能体可能只会说“故事挺酷的”，然后忽略这些信息。

事实上，这种搜索方式与前沿模型依赖的网页搜索是分离的。网页上包含标题、章节和其他元素，这些信息能够将答案置于上下文中，更容易让人理解。

最大的缺点？搜索依然困难。我们不是谷歌。

最重要的是，我们没有像谷歌或必应那样的完美搜索。即便搜索质量不错——几乎没人能做到谷歌级别的结果。而由于智能体依赖搜索，正如 Lester Solbakken 所说，检索中的简单干扰因素^[1]就能轻易混淆推理。

二、编排驱动

谁应该负责？智能体应该管理搜索过程，还是搜索应驱动智能体？

把重点放到 harness 上时，我们让智能体来掌控。

想象一下，将搜索工具剥离到核心检索原语。比如只剩一个 BM25 后端，或者带 CLI 工具的文件系统。我们告诉智能体，用这些未经调优的工具去找到所需内容。智能体可能会更费劲，但它聪明，总能搞明白，对吧？

然而，智能体可能找到它认为相关的内容，如下图所示。可惜，那并不是真正相关的内容。为了帮助智能体，我们注入外部知识。我们让一个裁判指导智能体，纠正其错误，并引导它采用更好的搜索策略。

所以，当智能体返回结果时，不是“用户”接收候选项，而是裁判为结果贴标签，标注其相关性。智能体根据提示去寻找与标注为相关的结果相似的内容，同时避免标注为不相关的内容。借用 Jo Kristian Bergem 的说法，这是增强版的相关性反馈^[2]。

我们也可以提前用信息引导智能体。例如，我见过团队借鉴编码智能体的技能。想象一个针对性的查询计划，告诉智能体如何使用其工具来解决特定问题。

优化内容以帮助 harness

我们通过优化内容的可查找性，进一步帮助智能体。这就是我们在编码智能体时用过的技巧。我们撰写文档，向智能体解释某些内容为何有用。我们不仅仅依赖那块简单的信息块，而是记录知识的用途：

/books/scifi/ubik.txt

## 关于书籍《Ubik》
Ubik 是 Philip K. Dick 的作品
## 简介
到 1992 年，人类已经殖民月球，超能力普遍存在。主角 Joe Chip 是 Runciter Associates 的一名负债技术员，这是一家“审慎组织”，雇佣“惰性者”（能够抵消心灵感应者和“先知者”能力的人）来保障客户隐私。

与简单的信息块不同，这段信息有明确的用途。当它出现在上下文中时，可以清楚地知道它解决了什么问题。

通过组织和编目信息，我们做到了每个搜索开发者都希望内容团队能做到的事情：真正优化内容，使其可被查找。

缺点：成本

主要缺点是什么？Token 成本。这里的探索不仅仅是发起一次搜索并检索一组结果，而是智能体对环境的探索。而且每次新的上下文窗口都会重新开始这种探索。

三、模型驱动

如果我们直接对 LLM 进行微调，让它更高效地进行搜索，会怎么样？

基于 harness 的方法，会通过一条漫长曲折的路径去获取相关结果。每次遇到新的上下文窗口，它都会反复重新学习哪些方法有效，重复做很多无用功。这既昂贵又缓慢。

我们能不能训练一个模型，让它不再重复这些工具调用错误？

我们的裁判可以帮助标注智能体的部分推理 / 工具调用路径，哪些是有用的，哪些则没那么有用。一旦有了这些标注轨迹，就可以对一个开源权重模型进行微调，使其在给定输入时，能够更主动、更高效地做出正确的工具调用。

如下图所示，例如，对于“red shoes（红色鞋子）”这个查询，模型在经过大量微调后，已经清楚地知道如何进行搜索。

现在我们构建了一个专门针对搜索任务的模型。我们不再过多调优检索器本身，而是继续使用更简单、甚至“笨”的搜索工具。

更有趣的是，这种 agentic search 模型的行为可以仅通过调整 system prompt 来改变。例如，“这是一个电商搜索任务，优化 top 10 排名”与“你正在为金融研究检索信息，同时最大化多样性和相关性”会产生不同的行为策略。

此外，这类模型可以保持较小规模。由于它们只专注于搜索环节，而不是整个领域问题，因此可以压缩到足够可控的体量，从而支持自部署。

缺点？仍处早期阶段

该领域的先行者是 SID^[3]，类似 Glean 的 Waldo 模型也已经进入这一方向。

这些方案都很有前景，但尚未被广泛采用，仍存在大量未知问题。从某种意义上说，我们还不清楚它的上限和下限在哪里。不过我认为，这一范式在未来几年会有非常大的潜力，换句话说——拭目以待。

模糊性的炼金术

人们对“agentic search”的使用既混乱又不一致。他们只关注自己所处理问题的那一部分。这意味着我们拥有一组像“强化后的基础金属”一样的解决方案——而什么样的“炼金术”能将它们整合在一起仍不清楚。

我们正在收敛到一种有趣的混合方向：更易组织的数据（例如 PageIndex^[4]）。我看到了一些在 harness 设计中的模式，它们类似于编码智能体——通过 hooks / evaluators 来引导智能体，或通过“技能”在事先对其进行指导。就像在编程中一样，智能体会“吞噬”这些 harness。当某种成功模式出现时，在我们的例子中，即 agentic search 模型，会训练并记住这些模式。

检索也似乎正在向以智能体为中心的方法演进。智能体拥有其自身特定且独特的检索模式^[5]。我们终于看到晚期交互 + 学习型稀疏检索方法迎来发展，由 LightOn^[6] 和 Mixedbread^[7] 等公司推动发展并取得进展。