# SearchOS-V1: Towards Robust Open-Domain Information-Seeking Agent Collaboration
- 来源：huggingface · https://huggingface.co/papers/2607.15257
- 作者：Yuyao Zhang, Junjie Gao, Zhengxian Wu, Jiaming Fan, Jin Zhang, Shihan Ma, Yao Yao, Weiran Qi, Chuyan Jin, Guiyu Ma, Xingzhong Xu, Kai Yang, Ji-Rong Wen, Zhicheng Dou

> 多智能体协作框架SearchOS，通过显式状态管理解决搜索循环与预算浪费。

## 概要

SearchOS 提出了一个多智能体系统级框架，将开放域信息寻踪建模为关系模式补全，并引入搜索导向上下文管理（SOCM），包括 Frontier Task、Evidence Graph、Coverage Map 和 Failure Memory 来外化共享状态。系统采用流水线并行调度机制，子智能体并行执行并持续填补未覆盖的缺口。搜索工具中间件挟持模型与工具交互以记录证据并应对中断，同时提供可复用的层级技能系统（策略技能+访问技能）来避免重复失败模式。在 WideSearch 和 GISA 上，SearchOS 在所有指标上超越现有单/多智能体基线。

## 对我的影响

1. **直接用于导购/Agent 产品**：SearchOS 的显式状态管理（Evidence Graph、Coverage Map、Failure Memory）可解决导购场景中用户多轮需求变化后的搜索重复与预算失控问题。其“关系模式补全”思路非常适合这种结构化信息收集任务（如商品属性对比）。
2. **改变技术选型判断**：之前我倾向于用单智能体+简单记忆，但 SearchOS 证明了多智能体+外化状态+失败记忆在鲁棒性上的显著优势。接下来我会优先评估它作为导购 Agent 的搜索模块，并参照其 SOCM 设计改进我项目中的搜索调度。
3. **接下来行动**：深入阅读论文全文，重点看 Failure Memory 和复用技能系统的具体实现；如果开源则尝试在内部导购仿真环境上复现对比，验证对预算控制与答案完整性的提升。

---
*导出自 前沿论文情报台*