63页的面向AI搜索范式：Multi-agent、MCP、DAG、RL
仅用于站内搜索，没有排版格式，具体信息请跳转上方微信公众号内链接
百度搜索（BaiduSearch）发布了一篇63页《迈向人工智能搜索范式》的Paper，介绍了一个模块化、多智能体（Multi-Agent）框架，重新构想了在大型语言模型（LLM）时代我们如何搜索信息。
🚀与传统的基于检索的搜索或线性RAGpipeline不同，这种新范式协调四个专门的LLM代理——主管、规划者、执行者和撰写者——来处理从查询分析到工具调用以及最终综合的一切事务。
以下是系统的工作方式：
🔹主管代理：评估查询复杂性，并动态分配合适的团队。如果结果不完整，它会反思并重新规划。
🔹规划者代理：将复杂问题分解为子任务的有向无环图（DAG），通过模型上下文协议（MCP）选择合适的工具，并支持重新规划。
🔹执行者代理：执行与工具相关的子任务，同时确保回退弹性并保证输出质量。
🔹撰写者代理：将结果综合成连贯的、多角度的答案，同时过滤不一致性。
✨有什么新内容？
规划者适应动态能力边界——即时选择相关工具。
DRAFT系统通过LLM-工具交互反馈迭代改进工具文档。
定制的COLT检索器确保工具选择不仅在语义上相关，而且在功能上完整。
使用强化学习联合优化代理协调，采用多部分奖励。
📌为什么这很重要：这种Agent架构在搜索中反映了类似人类的推理，为构建下一代人工智能搜索系统提供了可扩展和适应性强的基础。
https ://arxiv. org/pdf/2506. 17188TowardsAISearchParadigmBaiduSearch
推荐阅读
•动手设计AIAgents：（编排、记忆、插件、workflow、协作）
•DeepSeekR1+Agent的下半场
•单智能体（Agent）：企业员工AI助理
•Agent到多模态Agent再到多模态Multi-Agents系统的发展与案例讲解（1. 2万字，20+文献，27张图）
欢迎关注我的公众号“PaperAgent”，每天一篇大模型（LLM）文章来锻炼我们的思维，简单的例子，不简单的方法，提升自己。
