SearchOS：把深度研究当成一个操作系统来管

现在人人都在做深度研究agent，人人都撞上同一堵墙：放一个agent出去长时间搜证据，它会跟丢——忘了自己已经找到过什么，重复搜索，也判断不出自己卡住了。多放几个agent呢，又变成重复劳动、有的agent闲着、搜索预算白烧。人大和蚂蚁的SearchOS-V1，干脆不把它当成一个调prompt的问题，而当成一个系统工程问题。

核心动作是别再把所有东西都塞进一个巨大的上下文窗口，而是像操作系统外置内存那样，把agent的状态外置出来。它维护一个还没做完的任务前沿池、一张带引用出处的证据图、一张标记哪些已回答的覆盖地图，还有一份记录哪些搜法失败过的失败记忆。一层中间件harness卡在模型和工具之间，负责检测停滞、执行预算。而且是流水线并行——某个worker一空出来，立刻被派去补覆盖缺口，不让它闲着。

结果撑得起这套说法。WideSearch上item级F1到80.3，比最强基线高出四个多点；GISA上集合F1直接跳了13.4分，主要是把别的agent漏掉的答案捞了回来。涨的是召回——它不再把东西丢在桌上。

更值得带走的判断是：多agent研究的瓶颈不是模型的智商，是它周围的管道——上下文、协同、知道什么时候该收手。论文arxiv.org/abs/2607.15257