搜索智能体（Search Agent）是指能够自主规划检索步骤、调用搜索工具并根据返回结果迭代推理的大模型智能体形态，被视为传统关键词搜索向“任务完成式”信息获取演进的关键方向。它不只是回答一次提问，而是拆解问题、多轮检索、交叉验证后给出结论，目前同时活跃在学术界（强化学习训练框架）和产业界（搜索引擎产品改版）两条线上。
搜索智能体的近期进展
当前焦点与观察点
围绕搜索智能体，业界最核心的争议是“它到底在搜索，还是在验证已知信息”。LiveBrowseComp 基准正是针对这一问题：如果模型在动态更新的网页环境里表现明显下滑，说明其所谓检索能力部分来自训练数据中的记忆，而非真实的实时信息获取（LiveBrowseComp）。
另一个观察点是记忆机制的设计路线之争：内置在模型参数中的技能记忆（如 SESA 的自博弈进化）与外置到辅助系统的记忆架构（如 Harness-1）各有支持者，前者强调能力内化，后者强调灵活可控。同时，随着谷歌把主动监控类功能引入搜索产品，搜索智能体正从“被动问答”转向“持续代理”，这对结果可信度、实时性和成本控制都提出了更高要求，值得持续关注。