SearchOS-V1: Towards Robust Open-Domain Information-Seeking Agent Collaboration

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。

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。