OpenSaC: A Python Library for Search as Code in Deep Research Agents
OpenSaC：面向深度研究智能体的 Search as Code Python 库
🧭 深度研究 Agent · Search as Code ★ 深度解读
Renmin University of China · National University of Singapore
开源 Python 库 OpenSaC 将搜索、抓取、重排、LLM 调用组合为可执行程序，使 Codex 类智能体做深度研究时显著节省 token 与时间
📌 工作参考价值（4 点）
- 在电商/广告深度研究型任务（竞品调研、商品参数多源比对、落地页批量解析）中，可将“搜索→抓取→重排→LLM 字段抽取”封装为可组合 SDK，由 coding agent 一次写成批量程序执行，避免 ReAct 逐条交互，显著降低 token 与 wall-clock 时间。
- 统一返回结果并保留 URL/来源标识，天然适合需要可追溯证据的选品、价格监控和广告素材合规审查；把中间文件落盘到 workspace 可复用，避免重复抓取。
- provider 可替换和批处理容错设计（batch 保持顺序、返回 per-input errors、部分成功）值得直接借鉴到推荐/搜索的离线数据生产：批量 query 生成、召回通道调用、rerank 评估都可以做成可配置后端和可重试代码单元。
- 若业务已有编码 agent（如 Codex/Claude Code），可模仿其 skill 机制增加内部“检索/数据获取”技能卡，显式教授 agent 何时 batch、何时保留 full source、何时只返回高置信片段；这种方式比硬编码 pipeline 更灵活且可调整。