Towards Retrieving Interaction Spaces for Agentic Search
面向 Agentic 搜索构建可交互的检索工作区
🧭 Agentic Search · 检索交互界面设计
将检索角色从片段选择重构为构建代理可通过 shell 工具探索的交互空间，显著降低 agentic 搜索成本并保持稳定性
📌 工作参考价值
- 工作区边界代替全量扫描：用 BM25 多查询并集构建问题相关的文件工作区，代理只在该区内执行 grep/read，避免全库扫描，在 1M 语料下精度稳定 (81%) 而纯 DCI 退化到 60%。可直接用于电商搜索代理的场景，如将商品召回列表作为可交互的文件系统，代理用 bash 类工具精细化筛选。
- 离线目录索引降低阅读成本：对文档生成行号目录，代理可跳转到相关段落，避免通读全文。这种轻量预处理（$0.0014/文档）可迁移到电商知识库或商品详情页，让 Agent 快速定位关键信息。
- 多查询并集提升召回：代理一次性下发多个互补子查询，BM25 召回并集作为工作区，既提高覆盖又不增加代理上下文窗口负担。可用于电商长尾查询的意图分解与召回增强。
- 明确的检索输出接口设计：RISE 分离了工作区构建（检索）与验证（shell），可借鉴到生成式推荐的交互设计中，例如将召回物品集合作为 agent 的“玩具沙盘”，供其跨会话操作，而非仅读片段。
动机
传统搜索代理的检索输出是固定片段列表，限制了代理对证据的重新探索；而直接语料交互 (DCI) 让代理通过 shell 工具操作全库，但随着语料增大，全库 grep 扫描导致延迟爆炸和精度下降。本文认为检索应构建一个交互空间——一个代理可以迭代探索的有界子集，其中文档经过预处理以支持导航。
方法关键点
- 边界机制 (RISE-BM25)：代理使用多查询 BM25 检索，每次取 top-K 文档并集作为工作区（文件系统），代理只能在该区内使用 bash/grep/read 工具。检索返回的文档被硬链接到工作目录，而非放入上下文。
- 导航对象处理 (RISE)：离线阶段，用小型 LLM 为每篇文档生成行号目录（TOC），通过精确锚点验证插入到原始文本前，代理可读取 TOC 定位段落，再用行范围读取验证事实，避免全文扫描。
- 工具与预算：search 工具返回 top-10 预览但所有 top-K 文档已可用，bash 输出截断到 4000 字符，子进程限时 60 秒；代理模型调用上限 100 次，墙钟上限 1 小时。
关键实验
- 数据集：BrowseComp-Plus（100 个混淆问题），100k 和 1M（添加 90 万 FineWeb-Edu 干扰）两种规模。
- 对比基线：纯 shell DCI、片段检索代理、RISE-BM25（无 TOC 处理的消融）。
- 主要结果：在 100k 语料上，RISE 用 gpt-5.4-mini 达到 78% 精度，成本 1.10/查询。扩展到 1M 时，RISE-BM25 精度上升至 81%（gpt-5.4-mini），DCI 降至 60% 且有 33/100 次因超时而失败。
- 消融：BM25 top-K 默认 1000 提供最佳精度–导航权衡，TOC 处理在 100k 上贡献 1–4 点精度提升。
核心结论
代理搜索系统的检索输出应是一个边界可重复探索的工作区，而非排名片段。这一设计将语料交互重新定义为“检索返回什么以及如何结构化”的工程问题。