Agentic Search 图解：4 次搜索的循环成本约为单次搜索的 5 倍
adnan_hashmi · x · 2026-11-12
Paolo Perrone 在 The AI Engineer 发文讲解 agentic search：模型在循环中搜索——自己写查询、读结果、决定下一步（再搜、打开页面或直接回答）。编码 agent 用它定位 bug 背后的代码，研究 agent 用它为报告收集资料。
要点：
- 循环的价值在于拆分问题：经典 Self-Ask 论文的例子「超导发现时的美国总统」，GPT-3 不搜索答错（罗斯福），单次搜索也错；拆成「哪年发现超导（1911）→ 1911 年总统是谁（塔夫脱）」两跳就答对
- 成本主要来自重发上下文：每轮调用都要把问题和之前所有结果一并发出，4 次搜索的循环成本约为单次的 5 倍
- 隐私角度：模型写的查询去向取决于搜索 API——自有索引的 API 查询到达 1 家公司（如 Brave 保留 API 查询最多 90 天），爬取其他引擎的 API 会经过 2 家公司，模型厂商内置搜索则到达其索引供应商
结论：单次搜索miss时循环经常值得，但要为多轮上下文重发付成本。
「编程与Agent」频道最新
- Every agent 新功能：从 Slack 直接创建和编辑 Google 表单 — every · 2026-11-12
- Notion MCP Server 支持 CRUD 全流程,可接入 Cursor 与 Claude — modelcontextprotocol · 2026-11-12
- MuniSpot MCP 连接器覆盖 2 万多个美国市政财务数据 — modelcontextprotocol · 2026-11-12
- 2026 年每个工程师都被「晋升」成 Tech Lead:从带人变成带 Agent — rseroter · 2026-11-12
- 「Harness 定义基础设施」：agent 框架与基建正走向垂直整合 — HankYeomans · 2026-11-12
- Every 推出 Slack 内 AI 同事：Slack 里直接合并 PR、处理纠纷 — every · 2026-11-12