Agent 搜索实录：1400万条请求揭秘 AI 智能体的搜索真相

TL;DR

当 LLM 接入搜索工具（Agentic Search）时，它们是如何“思考”和“行动”的？本文通过对 1444 万条真实 Agent 搜索日志的深度挖掘，发现 Agent 在搜索时存在严重的**“钻牛角尖”现象**（局部过度优化但缺乏全局视野），且极易陷入高成本的重试死循环。这项研究为优化 AI 智能体的搜索效率和上下文管理提供了宝贵的数据底座。

现状：被“黑盒”笼罩的 Agent 搜索

在学术界，我们习惯于用 GAIA 或 WebArena 等 Benchmark 来跑分，但这些实验室里的数字无法告诉我们 Agent 在面对真实、开放的问题时是如何改写查询（Query Reformulation）的。更重要的是，传统的搜索引擎优化依赖于人的点击流，而 Agent 是程序化消费，我们无法知道它看到的搜索结果中，哪些真正影响了它的下一步决策。

核心方法：解码 Agent 的“行踪”

作者提出了一个双层分析框架：

1. 意图层 (Intent)：将搜索分为声明式（查事实）、过程式（查步骤）、推理式（复杂分析）。
2. 轨迹层 (Trajectory)：分析相邻两步 Query 之间的关系。
   • Specialization (专门化)：加约束，越搜越细。
   • Generalization (泛化)：去约束，越搜越广。
   • Exploration (探索)：横向切入相关主题。
   • Repetition (重复)：换汤不换药的重试。

为了量化 Agent 是否真的“读了”搜索结果，作者引入了 CTAR (Context-driven Term Adoption Rate)。如果 Agent 下一步查询中出现的新词就在之前的搜索结果里，那么 CTAR 就高，证明了词汇级别的证据可读性。

图 1：Agent 搜索会话的数据结构与标注流程示例

深度洞察：Agent 搜索的三大怪象

1. 僵硬的“检索预算”

研究发现，91.64% 的请求仍然将检索深度（返回多少条结果）固定在 1、5 或 10 这种硬编码数值上。这意味着目前的 Agent 还没学会根据问题的难易程度动态调整“胃口”，造成了大量的计算浪费或信息缺失。

2. “声明式”任务中的重试死循环

最令人惊讶的是，在事实检索（Declarative）任务中，随着步数增加，Agent 陷入“Repetition”的比例显著上升（到第 9 步时高达 42.68%）。Agent 往往在同一个坑里反复跌倒，反复修改措辞却搜索相同的内容，而不是换个思路（Generalization）。

图 2：随步数增加，不同意图下的轨迹分布演变。注意 Declarative 中 Repetition 的增长。

3. “后退步”的缺失：只会钻孔，不会仰望

Log 显示，Agent 非常擅长“垂直深化”（Specialization），即给查询加更多细节。但对比人类，Agent 极少进行“泛化”（Generalization）操作。它们一旦在某个局部路径受阻，很少会选择“退一步海阔天空”来重新审视任务。

实验证据：改写查询真的参考证据了吗？

通过 CTAR 测量，54.35% 的新词项出现在累计上下文汇总。特别是在 Specialization 轨迹下，CTAR 高达 78.35%。这说明当 Agent 想要深入某个话题时，它确实从之前的搜索结果中汲取了关键词。然而，在 Repetition 轨迹下，CTAR 极低（20.92%），印证了这种重复往往是无头苍蝇般的盲目重试。

图 3：一个典型的声明式任务重试循环：Agent 在查询 Q3 到 Q8 之间仅做了微小的词汇变动。

行业价值与启示

• 重复感知停止机制：系统检测到连续高稳定性的 Repetition 轨迹时，应强制 Agent 改变策略或停止搜索。
• 意图自适应预算：对于推理类任务，应该默认给予更高的检索深度，而简单事实类则应快进快出。
• 显式上下文增强：既然 Agent 的新查询词高度依赖前文，系统可以显式地从 Evidence 中提取“建议项”推给 Agent，减少其生成 Query 的不确定性。

总结

这篇来自 SIGIR '26 的工作通过 14M 级别的日志分析，为我们画出了 Agent 在搜索荒野中的“热力图”。它告诉我们：让 Agent 搜得到不难，难的是让它知道什么时候该深挖，什么时候该跳出来。

注：本文引用的数据和图表均来自于论文《Agentic Search in the Wild: Intents and Trajectory Dynamics from 14M+ Real Search Requests》。