SearchOS：人大蚂蚁联合开源多智能体检索操作系统

一、SearchOS是什么

先说几个核心判断：SearchOS这个项目，还真不是那种随便拼凑起来的开源玩具。它是由中国人民大学计算机实验室和蚂蚁集团联手搞出来的一个多智能体开放域信息检索协作系统。如果把它的核心设计理念说透，其实就是借鉴了计算机操作系统调度进程的思路——用一个统一的调度架构，来管理所有检索类的AI智能体。

这个项目的目标直指传统检索Agent的几个老毛病：上下文丢失、循环重复检索、信息来源无溯源、任务进度不可追踪。这四个痛点，搞过深度调研的人应该都深有体会。

整个项目包含了后端调度内核、终端交互界面、Web可视化工作台以及评测数据集，四个模块齐全。支持本地私有化部署，可以对接各种大模型和第三方搜索API。说白了，这就是一个面向深度资料调研、批量信息搜集场景的开源检索智能体底层框架。

四、应用场景

到底哪些场景能真正用上这东西？我们梳理了几个典型的：

1. 行业批量调研
   ：企业竞品信息、产品参数、财报数据，这些都能批量搜集，还能自动生成标准化的对比表格；

2. 学术资料检索
   ：多篇文献、多个论文的实体信息汇总，统一标注文献来源，写论文引用时方便很多；

3. 政策信息整理
   ：多地政策条文、补贴标准、申报条件，全域检索，确保不遗漏；

4. 榜单类数据枚举
   ：院校排名、行业榜单、产品排行榜，完整信息抓取，避免数据缺失；

5. 保险/金融信息汇总
   ：保险产品条款、理财产品参数，多维度对比，还能溯源；

6. 自动化资料归档
   ：长期周期性信息搜集任务，支持会话保存，还能定时复现检索流程。

五、使用方法

5.1 前置环境要求

本地设备需要装好Python3.11及以上版本、Node.js20.9及以上版本，支持Linux、macOS或Windows WSL环境。Windows原生CMD目前还不支持。

5.2 一键安装部署

仓库里内置了install.sh一键部署脚本，会自动创建虚拟环境，安装内核、前端、评测等全部依赖：

1. 先把开源仓库克隆下来
   git clone https://github.com/antins-labs/SearchOS.git

2. 进入项目根目录，执行安装脚本
   chmod +x install.sh && ./install.sh

5.3 基础使用方式

项目提供了三种交互方式，覆盖不同使用习惯：

1. CLI单次快速检索
   
   终端直接执行命令，快速获取检索结果：
   searchos "你的检索查询语句"

2. TUI交互式终端面板
   
   启动全屏可视化终端，可以新建、恢复会话，调整算力档位，管理技能库：
   python -m searchos
   面板里内置了一些快捷指令：/new新建会话、/resume恢复历史任务、/effort切换算力档位、/skill管理技能白名单。

3. Web可视化工作台
   
   执行web目录下的启动脚本，在本地3000端口访问网页控制台：
   ./web/start.sh
   网页端支持可视化配置模型密钥、查看智能体实时调度看板、导出完整检索报告。

5.4 配置管理方式

项目提供了三种统一配置渠道，参数互通，怎么方便怎么来：

1. 项目的.env环境变量文件，适合批量自动化部署；

2. TUI终端内置的/config配置面板；

3. Web工作台的可视化设置页面，对新手比较友好，图形化配置。

六、竞品对比

拿ReAct检索智能体和Ta vily AI Agent这两个主流框架来比比看，差距就出来了：

对比维度	SearchOS	ReAct 检索智能体	Ta vily AI Agent
核心架构	多智能体分工调度+SOCM全局状态存储	单智能体循环思考检索架构	单智能体轻量化检索工具
信息完整度机制	实体-属性覆盖地图，自动补全缺失信息	无全局覆盖检测，易遗漏信息	仅满足简短问答，不支持批量枚举
会话持久化	完整快照、任务回放、中断恢复	仅临时上下文，关闭即丢失	云端会话，本地无持久存储
溯源能力	每条数据绑定来源编号，完整网页证据存储	仅简单标注检索链接，无结构化证据库	仅输出摘要，原始网页不缓存
自定义技能扩展	280+内置技能，支持自定义域名适配技能	无分层技能库，自定义开发成本高	封闭API，无法自定义检索技能
部署方式	开源本地私有化部署（MIT协议）	开源无完整配套可视化界面	闭源云端API，无本地部署能力
批量调研适配	专门优化表格、枚举、多实体对比任务	适合单条简单问答，批量任务效率低	仅轻量化单次查询，不支持深度调研

七、常见问题解答

A：做不到。框架的本地调度内核是开源的，但检索能力依赖第三方搜索API和大模型接口来完成网页检索与文本生成。离线状态下没有搜索和模型调用渠道，没法执行检索任务。

A：不支持Windows原生CMD。推荐使用WSL2 Windows子系统、虚拟机Linux或macOS环境来部署。Windows原生环境会出现终端TUI和前端依赖的兼容问题。

A：所有会话快照、网页缓存、证据数据都统一存储在项目根目录下的searchos_workspace文件夹里，以时间戳创建独立的子目录，可以手动备份或删除历史检索记录。

A：当然可以。TUI面板和网页控制台都提供了技能白名单配置功能，可以单独禁用或启用任意域名适配的访问技能，也可以批量关闭全部访问类技能。

A：不需要。模型配置是全局实时生效的，下一轮检索任务会自动调用新配置的大模型接口，历史存储的证据和任务数据不受影响。

A：项目采用MIT开源协议，个人和企业都可以商用、二次开发、私有化部署，没有商用授权费用，只需要保留原开源协议声明即可。

八、相关链接

• GitHub仓库：https://github.com/antins-labs/SearchOS

• 项目官网：https://antins-labs.github.io/SearchOS/

• arXiv技术论文：https://arxiv.org/pdf/2607.15257

九、总结

总的来说，SearchOS这个项目，是国内高校和大厂联合推出的开源检索智能体操作系统。它依托自研的SOCM全局状态管理模块和多智能体并行调度架构，从底层解决了传统AI检索工具信息遗漏、无溯源、会话易丢失、批量调研效率低这些核心痛点。命令行、终端可视化、Web网页三套交互方案都配齐了，还有完善的技能库和评测基准，支持本地私有化部署。无论是企业调研、学术资料整理，还是批量数据搜集，都能派上用场。再加上MIT开源协议，开发者可以自由二次改造、商用落地。在兼顾完整功能和私有化需求方面，这确实是一个值得关注的检索智能体底层框架。