在需要让 Agent 获取外部信息时,搜索能力往往是最先想到的工具之一。自建 SearXNG 可以把多个公开搜索引擎聚合到一个接口中,也能让应用通过统一的 JSON 结果消费搜索内容。
但部署成功不等于搜索质量已经解决。真实使用时,我遇到过不同引擎返回结果不稳定、验证码拦截、请求超时和中文检索质量差异等情况。它们提醒我:搜索系统的关键不只是“能不能返回 JSON”,而是“能不能持续找到有价值的信息”。
先把搜索服务拆成几个层次
- 接入层:统一查询参数、语言、分类、返回格式和超时设置。
- 引擎层:管理启用的搜索引擎,观察每个引擎的响应时间、错误率和结果数量。
- 聚合层:去重、排序、合并不同引擎的候选结果。
- 核验层:读取原始网页,确认发布日期、作者、主体和正文是否支持目标结论。
引擎数量多,不代表结果质量高
增加搜索引擎可以提高覆盖面,但也可能带来重复结果、低质量页面和不稳定的响应。某个引擎在一段时间内返回很多结果,不代表它对所有关键词都可靠;某个引擎偶尔被验证码拦截,也不意味着整个搜索服务必须停止。
因此需要建立简单的观测机制:按引擎统计成功率、超时率、平均响应时间、空结果比例和重复结果比例。对不同语言、主题和查询类型,也应该分别抽样检查。
搜索结果只是线索,原文才是证据
尤其是新闻、企业动态、政策和产品信息,搜索结果页的摘要可能截断正文,也可能保留过期缓存。真正形成结论前,应该尽可能访问来源页面,核验日期、主体、原文内容和引用依据。
我更愿意把流程设计成“搜索发现候选—读取原文—提取证据—生成摘要”。如果原文无法访问,就应该标注来源受限,而不是把搜索摘要包装成已经核实的事实。
让搜索工具适合 Agent 使用
Agent 调用搜索工具时,还需要考虑查询拆分、结果数量控制、分页、重试和去重。对于一个复杂问题,可以拆成多个聚焦查询,而不是把所有关键词堆进一次搜索请求。
同时要把搜索工具的边界告诉 Agent:结果可能不完整,来源可信度需要核验,搜索摘要不等于原文。工具返回的数据应保留 URL、标题、来源和时间等字段,方便后续读取和引用。
搜索基础设施的价值,不是把更多链接交给模型,而是让模型更稳定地找到值得核验的来源。