云栖实录 | AgenticSearch 定义 AI 搜索时代的信息检索 - 新范式

范式转移：从"被动响应"到"主动执行"

传统企业搜索的目标是找到一份文档，然后把阅读、比对、推理、结论的全部工作交还给人。AgenticSearch 的目标是全自动化完成一项任务、得出一个可行性结论，或生成一份可交付的成果。

这背后是一次架构层面的革命：以自主智能体（Agent）为核心驱动，以信息检索与整合为坚实基础，将碎片化的多源联网信息与企业知识库，从"被动检索的静态资产"升级为"具备自主推理与执行能力的知识认知引擎"。

AgenticSearch 的产品设计，直接回答了企业 Agent 从试用走向持续生产使用时必然遇到的六类问题：

产品采用「统一搜索与上下文底座 + 可选托管 Agent」的分层形态：底座负责提供可访问、可理解、可追溯的知识与上下文；托管 Agent 在此基础上提供可恢复的任务执行与结果交付。已有自有 Agent 的客户可以只接底座，无需接入完整托管运行时。

一句话概括本届云栖 AgenticSearch 的发布主张：

让企业 Agent 可运行、可记忆、可治理、可持续进化。

Agentic Search 2.0 云栖全新发布

Agentic Search 2.0 新版本在云栖正式发布，全面对标国际先进形态，构建中国领先企业搜索智能体的能力合集——既有面向企业内部知识的深度检索与知识治理，也有面向全网实时信息的搜索增强服务 能力。

本次发布包含五项核心升级：

同期发布的能力还包括：多类型知识库、个性化记忆，以及钉钉 / 飞书 / 微信 IM 渠道交付。

Harness 架构：让企业 Agent 可持续运行

主从编排与四阶段流水线

Harness 架构是 AgenticSearch 的主从 Agent 编排层，负责长任务的断点续作与子 Agent 调度。所有检索请求统一经过四阶段查询流水线：

Query 理解  →  受控多路召回  →  融合重排  →  上下文/生成与引用

三种运行模式与智能路由

架构上由智能路由实时评估意图复杂度并分流；

• Planning Agent 作为"总指挥"负责分析、拆解与分配复杂任务；
• 工具集执行具体子任务并将结果闭环反馈给 Planning Agent 以动态调整后续计划；
• Report Agent 负责信息整合、提炼与呈现，输出 Markdown 或 HTML 格式报告。整个智能核心由千问模型家族驱动。

Agent 工具集

可靠运行与可观测

可靠运行（Runs）：将任务状态与连接分离，持久化检查点（Checkpoint）、执行事件、工具调用记录与审批状态，支持查询、暂停、恢复与取消。对执行结果不明的工具操作，先核对后处理，避免盲目重试产生重复副作用。

可观测（Observability）：记录实际执行步骤、耗时、Token、成本与失败原因，提供历史查看与受控回放，支持故障诊断。这里有一条清晰的产品分工：可观测回答"发生了什么、原因在哪里"，评测体系回答"做得好不好、改动有没有变好"——Trace 完整不等于质量合格。

IM 生态交付：在 IM 中提供及时受理、进度查询与异步交付，并对重复消息去重。渠道优先级为钉钉（P0）、飞书（P1）、微信（P2）。异步交付改善长任务等待体验，但不替代对知识库慢查询根因的治理。

Agentic Memory：让长期记忆持续进化

Agentic Memory 是本届云栖 AgenticSearch 发布中数据表现亮眼的能力，其设计目标是：让每次交互沉淀事实与经验，形成可复用、可校正、可追溯的智能记忆循环。

四层记忆结构

四层之间是双向流动：向上沉淀（提炼 → 归纳 → 校正）构建认知，向下召回（理解任务 → 补充经历 → 追溯证据）服务当前任务。三者共同构成 Agentic Memory 的产品主张：

快速"想起来" × 知道"如何复用" × 每次演化都有据可查。

关键在于，记忆按当前任务组织为最小充分上下文，而非把全部历史一次性灌入模型——这既是准确率来源，也是 Token 成本来源。

双基准记忆验证：记得准、用得对，成本更可控

自进化Agent：让搜索越用越准确

自进化（Self-Evolving） 是 AgenticSearch 2.0 的差异化核心——Agent 在运行中沉淀经验并反哺后续任务的闭环，覆盖四条支线：

这里的产品纪律值得强调：自进化指可验证的持续改进，不意味着无条件自动写入，也不是模型权重的自动训练。 候选改进必须经过对照评测，并结合审批、灰度与回滚控制生效，以阻止质量退化。

验证方向上，观察三个指标是否改善：重复背景说明是否减少、已纠正问题是否不再复发、同类任务的重复规划是否下降；同时验证错误经验、个人偏好与私有内容不会污染共享知识。

Evidence / 引用体系贯穿始终：将关键结论绑定来源、版本及具体定位，并显式标记证据不足与来源冲突。评估时分开考察引用覆盖、定位正确与内容支持度三个维度——回答附有链接，不等于链接支持结论。

多路召回融合检索：按需路由四类知识资产检索

企业任务的信息来源非常多，只做一路向量检索很难同时满足权限、时效、精确性和证据质量。这里的四层检索编排，实际上是按任务选择最合适的通道。AgenticSearch 2.0 将企业知识组织为四类知识资产：

多路召回之后，Pipeline 还要去重、合并、重排和消解冲突，评估证据质量后才生成引用。最终交绘给 Agent 的不是一堆片段，而是可追溯、可解释、可继续执行的 Context。

AgenticSearch检索配套能力包括：

多类型知识库统一接入：只读对接 Elasticsearch、OpenSearch 向量检索版、OpenSearch 行业算法版，结合关键词、向量与结构化条件进行多路召回与融合，并保留 Evidence 原始出处与版本。"统一接入"不等于搬迁全部原始数据，也不等于每个任务必须查询所有来源。

统一授权体系：覆盖知识库权限（ES / OS 实例的用户密码自动授权、VPC 访问授权）、RAM 访问 OSS 数据的授权（OpenAPI 对接与后端访问）、以及第三方 Agent 对接（DMS DataAgent / DW DataAgent）。

轻量语义层：注册业务对象、关系、指标口径与来源映射，统一业务实体别名，解决"同一零件多个名称、同一指标多种定义"导致的 Agent 混用车型、版本或时间范围问题。语义层是轻量注册层，不等于新建全量 OWL 或图数据库；语义组织不能代替原始证据，自动生成的 Wiki 不能被默认为事实权威，存在冲突时应保留并说明。

知识引擎治理：持续识别知识缺口、过期内容与索引问题，将用户反馈转化为知识治理与检索优化建议，并支持版本与回滚。

联网搜索增强Agent

联网搜索能力以标准 OpenAPI 形式对外开放，既可独立调用，也可作为 Agent 工具接入。

四类适用场景

1. 拓展私有知识库回答：私有知识不足或过时时，通过联网搜索获取最新信息辅助大模型生成（RAG 增强）；
2. 实时信息查询：天气、新闻、股票等，配合 time_range 参数；
3. 复杂问题推理：结合 history 进行多轮上下文相关的深度搜索；
4. 内容提取与分析：使用 way=pro-fetch + content_type=mainText 获取高质量网页正文，用于摘要与分析。

在产品侧，联网搜索受授权开关与预算双重约束，并统一提供内容提取、去重与来源时间——外部信息的引入始终在企业管控边界内，且必须携带可核验的来源与时间戳。

企业Agentic 知识库

传统知识库往往以存文档为中心，但Agent 执行任务时需要的不只是文档。它需要可引用的事实、可追溯的来源、实体之间的关系, 也就是现在多被提到本体论，以及与当前任务相关的最新状态。

底层支持由阿里云 Elasticsearch 或 OpenSearch 行业算法版 / 向量检索版 承载文档、数据查询、多模态内容和已有索引。在此之上，知识蒸馏提炼关键事实，Agentic Wiki 按主题与来源组织知识，Graph 表达实体和关系。最后，检索结果带着证据、版本、权限和更新时间进入任务 Context。上下。

多模态搜索服务：OpenSearch系列产品新发布

多模态是解决"复杂内容看不懂"的关键能力，本届云栖在 OpenSearch 产品侧发布三项内容：

OS 向量检索版 - 视频端到端Pipeline

支持文本、图像、音视频的统一向量化检索，涵盖图片搜索、视频总结与问答等能力。典型客户场景覆盖电商/零售/教育/互联网等行业。 OpenSearch内置行业搜索最佳实践模板与智能算法模型，一键式完成搜索全链路配置；结合达摩院 NLP 技术，支持分词、同义词、拼写纠错、停用词等行业查询语义理解，面向对搜索效果有更高要求的企业。

一站式视频标注服务

面向具身智能、视频内容生产等场景，提供视频片段、数据集与实验记录的检索能力，支持时间码定位与时序/属性约束筛选。

多模态检索的能力边界

在 AgenticSearch 侧，多模态检索支持文找图、图片找图、图片关联文本，并结合 OCR、版面与属性条件进行混合检索，可定位到页面、区域或阶段支持的时间码。典型场景如汽车行业：故障照片需要匹配维修资料，扫描件与技术图中的信息需要精确定位。验证方式是用真实图文任务考察检索相关性、对象消歧、版本/口径一致性与证据定位能力。

阿里云AI搜索产品OpenSearch云栖发布

四大高价值场景

新引擎 × 新范式：一张图看懂 AI Search 全栈

两条主线并非并列的两个产品，而是一套自上而下贯通的AI原生技术栈：

端到端价值理解：AgenticSearch 提供统一搜索与上下文底座，让企业 Agent 可运行、可记忆、可治理、可持续进化；Elasticsearch Agent 引擎版提供亿级租户、千亿向量的存储与检索底座，让这份上下文的供给在成本、延迟与隔离三个维度上同时成立。

Qoder 的融合检索规划与高科技企业的研究型 Agent 落地，分别从"Agent 基础设施"与"企业知识应用"两端验证了同一件事：当搜索成为 Agent 的认知底座，企业的信息资产第一次可以被自动地理解、推理并交付为成果。