本文主要作者包括：TAMU 的 Zhuofeng Li、Yu Zhang，UCSD 的 Haoxiang Zhang，University of Waterloo 的 Dongfu Jiang、Cong Wei、Ping Nie、Wenhu Chen、Jimmy Lin， Stanford 的 Pan Lu、Yejin Choi、James Zou， UIUC 的 Ming Zhong、Jiawei Han、以及 UW、Verdent AI、Lambda 等機構(gòu)的合作者。

當大模型從「回答問題」走向「自己搜索、驗證、綜合證據(jù)」，檢索接口正在變成 Agentic Search 的關鍵瓶頸。過去，一個搜索系統(tǒng)通常先把文檔切塊、建索引，再根據(jù) query 返回 top-k 結(jié)果；智能體只能在這批候選片段上繼續(xù)推理。這個流程高效、成熟；問題是，復雜搜索任務并不總是依靠語義最相近的片段就能解決；答案可能藏在多個弱線索的交叉處。一旦這些證據(jù)在 top-k 階段被過濾掉，后面的推理模型再強也很難把它們憑空找回來。

來自 Texas A&M University、University of Waterloo、UC San Diego、Stanford University 等機構(gòu)的研究團隊提出了一種新的搜索范式：Direct Corpus Interaction(DCI)，直接語料交互。它不依賴 embedding 模型，不構(gòu)建向量索引，也不調(diào)用傳統(tǒng) retriever，而是讓智能體直接使用 grep、文件讀取、shell 命令、輕量腳本等工具，在原始語料中多輪搜索、定位、驗證和修正假設。

實驗顯示，在深度研究、多跳問答、信息檢索等任務上，DCI-Agent 不僅擺脫了傳統(tǒng)語義檢索器，還在多個指標上超過了很多檢索智能體 baseline。尤其在深度研究的 BrowseComp-Plus 基準數(shù)據(jù)集上，在使用 Claude Sonnet 4.6 時，如果用 DCI 替代 Qwen3-Embedding-8B 檢索工具，準確率從 69.0% 提升到 80.0%，成本從 1440 美元降到 1016 美元。

圖 1：BrowseComp-Plus 上的性能 - 成本圖。論文比較了 Qwen3-Embedding-8B 與 DCI-Agent 兩種 agentic search 接口。后者在準確率和成本之間取得了更優(yōu)平衡。

• arXiv：https://arxiv.org/abs/2605.05242
• 代碼：https://github.com/DCI-Agent/DCI-Agent-Lite
• Demo：https://huggingface.co/spaces/DCI-Agent/demo

Agentic Search 的檢索接口，為什么需要重新思考？

Agentic Search 和傳統(tǒng)搜索最大的差別在于：它不是「一次 query 對應一次 top-k 查找」。一個檢索智能體會不斷拆解問題、提出中間假設、尋找實體線索、打開文檔、檢查局部上下文，再根據(jù)觀察到的證據(jù)改寫下一輪搜索。

因此，真正的瓶頸往往不在模型會不會總結(jié)，而在模型能不能看到足夠關鍵、足夠細粒度的證據(jù)。檢索漏了關鍵證據(jù)，后續(xù)推理很容易變成在不完整材料上的自洽推斷。

傳統(tǒng)檢索器大致可以分成幾類。

稀疏檢索以倒排索引、BM25 為代表，快、穩(wěn)、可解釋，擅長專有名詞、編號日期和精確字符串，但很難理解同義表達。

稠密檢索把 query 和文檔塊編碼成向量索引，再用相似度召回，能處理模糊問題，卻會把復雜文檔壓成固定維度向量。

重排方法會在粗排之后再用 cross-encoder 或大模型精排，質(zhì)量更高，但范式仍然沒有變：語料先被索引系統(tǒng)壓縮，智能體只能看到選出來的一部分信息。到了 Agentic Search 時代，top-k 的問題被進一步放大。智能體雖然具備規(guī)劃、查詢改寫、閱讀文檔和迭代推理的能力，但如果它每次只能透過檢索接口返回的小窗口觀察語料，就很難像研究者一樣反復檢索、交叉過濾和定位證據(jù)。

論文把這類困難拆成三種典型場景：精確詞法約束，例如答案依賴某個日期、編號、縮寫；稀疏線索組合，例如地點、年份、組織、事件必須同時成立；局部上下文驗證，例如找到相關文檔還不夠，還要定位到文檔內(nèi)部的某句話、某個表格或某個腳注。BrowseComp-Plus 這類基準數(shù)據(jù)集正是在考察這種能力：智能體需要發(fā)現(xiàn)中間實體、組合弱線索、執(zhí)行精確約束，并在觀察局部證據(jù)后修正搜索計劃。

DCI-Agent：讓智能體直接和語料交互

既然當下的智能體已經(jīng)能規(guī)劃和使用工具，為什么一定要先用 embedding 把語料壓縮成向量，再讓模型只看 top-k？DCI 的思路很直接：

智能體不調(diào)用傳統(tǒng)的檢索接口，也不依賴向量索引，而是直接通過命令行工具訪問原始語料。它可以用 grep 或 rg（ripgrep）做精確匹配和正則搜索，用 find 或 glob 發(fā)現(xiàn)文件，用文件讀取工具查看局部上下文，也可以寫輕量腳本統(tǒng)計、過濾和組合線索。

DCI 的觀察結(jié)果不再是固定格式的文檔排序列表，而是工具輸出：匹配片段、文件路徑、計數(shù)、上下文、元數(shù)據(jù)等。

圖 2：兩種 agentic search 接口對比。左側(cè)是傳統(tǒng)方法：語料先被索引，智能體利用 BM25、ColBERT 等檢索工具，再基于返回的 top-k 結(jié)果推理。右側(cè)是 DCI：不經(jīng)過索引、embedding，智能體直接用 grep、glob、bash、輕量腳本等工具訪問原始語料，從而獲得更細粒度的模式匹配和證據(jù)定位能力。

這其實更接近人類研究者查資料的方式。我們不會永遠只輸入一個 query，然后僅僅閱讀搜索引擎顯示的前幾條結(jié)果片段；我們會打開文件，Ctrl+F 找關鍵詞，沿著實體名繼續(xù)搜，用多個線索交叉過濾，看到局部上下文后再改寫問題。

DCI 把這種行為交給了智能體。例如，智能體可以執(zhí)行類似這樣的多輪搜索：先用 find 找到可能相關的文檔目錄；再用 grep "Nobel" 找出所有包含特定實體的文件；接著用 grep "Nobel" file | grep "physics" 強制兩個弱線索同時出現(xiàn)；然后讀取命中位置前后幾十行，檢查上下文是否真的支持假設；最后根據(jù)新發(fā)現(xiàn)的人名、年份、機構(gòu)繼續(xù)下一輪搜索。這種模式不是一次性 “召回 top-k”，而是在語料中不斷探索、定位、驗證、收斂。

DCI-Agent 的具體實現(xiàn)

論文實現(xiàn)了兩個 DCI-Agent 版本，用來驗證直接語料交互本身是否有效。

第一個是DCI-Agent-Lite。它是一個基于 Pi 的輕量級命令行 (CLI) 智能體，只使用 bash 和 read 等基礎工具，并配合簡單的上下文管理。它不構(gòu)建離線索引，不使用任何稀疏、稠密、重排檢索工具。這個版本主要用于證明：即便沒有復雜工程，僅靠直接語料交互接口，也能帶來性能提升。

第二個是DCI-Agent-CC。它基于 Claude Code，具備更好的提示、工具編排和上下文處理能力，但仍然不使用任何傳統(tǒng)意義上的檢索工具。論文將它視為 DCI 的強實現(xiàn)，用來測試這一范式在更強命令行智能體上的性能上限。

圖 3：長程 DCI 的運行時上下文管理。由于反復 grep、讀取文件和展開上下文會產(chǎn)生大量文本，DCI-Agent-Lite 引入了裁剪（truncation）、壓縮（compaction）、總結(jié)（summarization）三種機制，在保留搜索軌跡結(jié)構(gòu)的同時緩解上下文壓力。

上下文管理是 DCI 能跑長程搜索的關鍵。論文沒有把所有文件直接塞進上下文，而是讓智能體邊搜邊讀，并用三種機制控制信息量：

• 裁剪：針對單次工具調(diào)用，超過閾值的工具回顯會被截斷，并附上系統(tǒng)提示，避免一次搜索結(jié)果淹沒后續(xù)推理。
• 壓縮：針對多輪歷史，保留早期輪次的思考過程和所用的命令行，但把對應的命令行返回結(jié)果替換成占位符，只留下搜索軌跡的骨架。
• 總結(jié)：當上下文接近預算上限時，觸發(fā)獨立的總結(jié)智能體，把歷史重寫成結(jié)構(gòu)化的研究筆記，保留關鍵線索、工具調(diào)用、已收集證據(jù)和當前任務焦點。

不用 embedding，效果反而更好

在深度研究的 BrowseComp-Plus 基準數(shù)據(jù)集上，在使用 Claude Sonnet 4.6 時，如果用 DCI 替代 Qwen3-Embedding-8B 檢索工具，準確率從 69.0% 提升到 80.0%，同時成本降低 29.4%。

在多跳問答的 NQ、TriviaQA、Bamboogle、HotpotQA、2WikiMultiHopQA、MuSiQue 基準數(shù)據(jù)集上，DCI-Agent-CC 達到 83.0% 平均準確率，相比最強的檢索智能體 baseline ASearcher-Local-14B，提升了 30.7%。

在信息檢索的 BRIGHT、BEIR 基準數(shù)據(jù)集上，DCI-Agent-CC 達到 68.5 的平均 NDCG@10，比最強的傳統(tǒng)檢索 baseline ReasonRank-32B 高出了 21.5%。

圖 4：多跳問答與信息檢索基準數(shù)據(jù)集上的實驗結(jié)果。DCI-Agent 在各個任務中都表現(xiàn)出優(yōu)勢，說明它并不只是某個數(shù)據(jù)集上特有的技巧，而可能代表了一種新的檢索范式。

DCI 的提升來自哪里？

論文的機制分析給出了一個很有意思的答案。對模型在 BrowseComp-Plus 上生成的軌跡進行分析可以發(fā)現(xiàn)，DCI-Agent-Lite 的平均相關文檔覆蓋率反而低于使用 Qwen3-Embedding-8B 的檢索智能體，但它的定位準確率顯著更高。也就是說，DCI 并不是靠「更廣泛地找回所有相關文檔」取勝，而是靠「一旦碰到有用文檔，就能更細粒度地在文檔內(nèi)部定位、驗證和擴展線索」。

傳統(tǒng)檢索方法給智能體的是文檔級或片段級的候選，而 DCI 給智能體的是更細的操作粒度：文件名、行號、匹配片段、局部上下文、管道組合、正則約束、計數(shù)統(tǒng)計。智能體不只是拿到一段相似文本，而是可以繼續(xù)在語料中做實驗。論文將此稱為檢索接口分辨率。這也是 DCI 最有啟發(fā)性的地方：檢索質(zhì)量不只是模型問題，也不只是 embedding 問題，而是接口設計問題。當模型能夠像研究者一樣提出假設、測試模式、閱讀上下文和改寫查詢時，過度壓縮的相似度索引可能會成為瓶頸。

圖 5：BrowseComp-Plus 上模型的軌跡分析。DCI-Agent-Lite 的平均相關文檔覆蓋率并不高于傳統(tǒng)檢索智能體，但它的定位準確率顯著更高，說明 DCI 的優(yōu)勢主要來自更細粒度的局部定位和證據(jù)驗證。

語料變大后會怎樣？

論文保留了一個很重要的觀察：DCI 不是萬能解！當語料規(guī)模擴大時，直接語料交互會面臨搜索廣度、工具調(diào)用次數(shù)、延遲和成本的上升。這很好理解：DCI 擅長高分辨率局部搜索，但在超大規(guī)模開放語料里，找到第一個有用錨點本身就可能很貴。語料越大，智能體越需要在更多文件和更多候選線索中探索。

因此，DCI 的邊界也很清楚：它并不一定適合所有超大規(guī)模、開放式、簡單查詢密集的檢索場景；它更適合本地語料、異構(gòu)文件、快速變化的工作區(qū)、代碼倉庫、科研資料、企業(yè)內(nèi)部文檔，以及需要多輪探索和嚴格證據(jù)驗證的 Agentic Search。這也意味著，未來更現(xiàn)實的方向未必是 DCI 取代所有傳統(tǒng)檢索模型。更可能的形態(tài)是：粗粒度召回用傳統(tǒng)檢索模型，高分辨率驗證用 DCI。也就是說，傳統(tǒng)檢索模塊可以先把智能體帶到可能相關的區(qū)域，而 DCI 負責在局部語料中完成精確定位、線索組合和證據(jù)驗證。

圖 6：在 BrowseComp-Plus 上，隨著文檔規(guī)模從 100K 擴展到 200K、400K，DCI-Agent 的搜索成本和延遲上升，準確率下降，說明直接語料交互需要和語料規(guī)模、任務復雜度一起權衡。

這篇論文真正改變了什么？

過去我們優(yōu)化檢索系統(tǒng)，常常圍繞這些問題打轉(zhuǎn)：換哪個 embedding 模型？chunk 多大？top-k 取多少？reranker 怎么選？query rewrite 怎么做？但 DCI-Agent 提醒我們，還要問一個更底層的問題：智能體到底應該以什么粒度訪問外部世界？如果檢索接口只能返回 top-k 片段，智能體看到的世界就是被壓縮過的世界。它無法知道被過濾掉的證據(jù)里有什么，也很難像人類一樣對原始材料反復搜索、交叉驗證、局部定位。而 DCI 把語料變成一個可操作環(huán)境。智能體不是在等待檢索器喂結(jié)果，而是在主動操作語料。這使得搜索從一個相似度排序問題，轉(zhuǎn)變?yōu)橐粋€多輪交互問題。

這或許是下一代 Agentic Search 和深度科研系統(tǒng)的重要方向：不是讓檢索工具替智能體決定看什么，而是設計更高分辨率的語料接口，讓智能體自己學會如何找、怎么看、如何驗證。