给 agent 的检索器

把搜索结果整理成 agent 能用的材料

栏
器 做出了什么
我的角色
检索评测
卦
升
011000
这是校验和,不是占卜

它是什么

这个检索器最在意的是:下一步能不能用上搜来的材料。这个项目给反复调用工具的 agent 提供搜索后端:从多个来源找页面,合并后按问题重新排序,再去抓排在前面的页面的正文,交回摘要和结构化页面。它的使用者是继续完成任务的程序。

这里要分清「找到」和「排好」。重排是给已经找到的内容重新判断相关性;答案页根本没被找来,再聪明的排序也救不回。项目的短事实题测试还显示,搜索摘要已经含答案时,抓取全文未必带来收益,我不能把内容更长直接当成检索更好。

我做了什么

我在评测里使用公共问答集,让待比较的检索器面对同一批问题,再逐题配对看结果。这样至少不会拿两套难度不同的题宣布胜负。对我来说,先固定题目,是解释一个成绩之前必须做的事。

这个项目也吃过自测的亏:自己造的题、自己测的,高分一度成了假象,换成更多外部题才暴露问题。所以我不会把那次成绩写成产品能力的证明,更不会拿它给别家的产品排名。评测首先要能推翻我自己的判断。

关键取舍

工程上选择了快慢两条取正文的路径。能快速抓取的页面同步处理,连接慢或需要更多渲染的页面放到后台补进缓存,完整浏览器不进入同步路径。代价是当前这一次调用可能拿不到慢页面的全部正文;换来的是不用让每次查询都等最慢的那页。

如果任务只问一个短事实,我倾向于先交回够用的证据;如果要核对长文细节,再取目标页面的正文。接口也保留了搜索和单页抓取两个工具,让调用它的 agent 决定下一步看哪里。这个分工要求调用方继续判断,不能期待一份摘要包办所有研究。

现在到哪了

项目已有供 agent 使用的工具接口。MCP 是把工具交给 agent 调用的一种协议,这里通过它提供搜索和取单页正文。当前重排模型只覆盖英文,中文需要换模型,不能把英文测试直接推广成中文也同样可用。

多次检索再拼接线索的深度检索,这一页先不讲。