Collections
论文
MINDSEARCH: MIMICKING HUMAN MINDS ELICITS DEEP AI SEARCHER

MINDSEARCH: MIMICKING HUMAN MINDS ELICITS DEEP AI SEARCHER

· 1 分钟阅读时长

https://arxiv.org/pdf/2407.20183

目录

MindSearch框架中WebPlanner与WebSearcher的核心功能及协作机制

MindSearch是基于大语言模型（LLM）的多智能体框架，旨在模拟人类认知过程解决复杂网页信息检索与整合任务，其核心由WebPlanner（规划智能体）和WebSearcher（检索智能体）构成，二者通过分工协作突破传统搜索引擎与单一LLM的局限，实现高效、深度的信息处理。

一、WebPlanner的核心功能：模拟人类思维的“规划者”

WebPlanner对应人类解决复杂问题时的“拆解-推理-调度”认知过程，核心功能是将用户的复杂查询转化为可执行的分步任务，并通过动态图构建管理任务逻辑，具体包括以下3点：

1. 复杂查询的原子化拆解与动态图构建

WebPlanner将用户的复杂查询（如“分析嫦娥六号月球背面采样的技术挑战及与阿波罗11号的对比”）拆解为原子化子问题（如“嫦娥六号通信挑战”“阿波罗11号任务目标”“月球背面采样机械设计”等），并将这些子问题建模为有向无环图（DAG）的节点，节点间的有向边表示子问题的逻辑依赖关系（如“需先获取嫦娥六号采样流程，才能对比阿波罗11号的采样技术”）。
这种图结构并非静态，而是通过Python代码生成动态扩展：WebPlanner会根据已获取的WebSearcher检索结果，判断是否需要补充新子问题（如发现“月球背面导航”信息缺失时，自动添加对应节点），确保覆盖查询的深度与广度。

2. 任务调度与并行执行管理

WebPlanner通过DAG的拓扑关系识别无依赖的并行子任务（如“嫦娥六号的通信挑战”与“阿波罗11号的着陆技术”可同时检索），并将这些子任务分配给多个WebSearcher实例并行执行，大幅提升信息获取效率。
例如，在回答“2023年三大ML会议最佳论文总结”时，WebPlanner会同时调度3个WebSearcher分别检索NeurIPS、ICML、ICLR的最佳论文，而非串行执行，最终将多源结果整合为统一回答。

3. 全局逻辑把控与最终答案生成

WebPlanner不直接处理网页内容，而是专注于全局任务逻辑：它接收所有WebSearcher返回的子问题结果，检查信息完整性（如是否存在未覆盖的子问题、结果是否矛盾），若信息足够则生成“响应节点（Response Node）”，并基于所有子结果整合为结构化、逻辑连贯的最终答案；若存在信息缺口，则重新调度WebSearcher补充检索。

二、WebSearcher的核心功能：高效信息检索的“执行者”

WebSearcher对应人类使用搜索引擎获取具体信息的过程，核心功能是针对WebPlanner分配的子问题，通过分层检索策略从网页中提取高价值信息，解决“网页数量多、噪声大、LLM上下文超限”的问题，具体包括以下3点：

1. 子问题的多查询生成与召回增强

针对WebPlanner分配的单个子问题（如“嫦娥六号的通信挑战”），WebSearcher会生成多个相似查询（如“嫦娥六号 月球背面 通信方案”“Queqiao-2 relay satellite Chang’e-6”“嫦娥六号 地月通信中断 解决方法”），通过Google、Bing等搜索API执行多轮检索，避免因单一查询遗漏关键信息，提升相关网页的召回率。

2. 网页筛选与噪声过滤

搜索API返回的结果包含大量冗余网页（如无关新闻、重复内容），WebSearcher会先基于网页标题、摘要进行粗筛选，合并相同URL的结果，再调用LLM判断网页与子问题的相关性，筛选出最有价值的3-5个网页（而非处理所有结果），减少LLM的无效信息输入。

3. 深度信息提取与结构化总结

WebSearcher会获取筛选后网页的完整内容，调用LLM从中提取与子问题直接相关的信息（如技术参数、时间节点、核心结论），并以结构化格式（如分点、引用来源）返回给WebPlanner，同时标注信息来源，确保结果的可追溯性与事实性。
例如，针对“嫦娥六号的通信挑战”子问题，WebSearcher会从筛选后的网页中提取“月球背面无法直接通信”“依赖鹊桥二号中继卫星”“数据传输速率”等关键信息，而非返回完整网页文本。

三、WebPlanner与WebSearcher的协作流程

二者通过“规划-检索-反馈-整合”的闭环协作完成复杂任务，具体流程以“分析嫦娥六号月球背面采样技术挑战”为例，分为5步：

  1. 初始规划（WebPlanner）：
    WebPlanner接收用户查询后，拆解为3个核心子问题（节点）：①月球背面通信挑战；②采样机械臂技术；③样本封装与返回流程，并构建初始DAG（根节点为用户查询，3个子节点为并行任务，无依赖关系）。

  2. 任务分配（WebPlanner→WebSearcher）：
    WebPlanner通过Python代码调用3个WebSearcher实例，分别分配上述3个子问题，触发并行检索。

  3. 分层检索（WebSearcher）：
    每个WebSearcher针对子问题生成多查询（如子问题①生成“嫦娥六号 通信中继”“Chang’e-6 far side communication”），执行搜索后筛选高相关网页（如中国探月工程官网、NASA技术报告），提取关键信息并标注来源，返回给WebPlanner。

  4. 反馈与补全（WebPlanner→WebSearcher）：
    WebPlanner接收结果后，发现“样本返回过程中的热控技术”未被覆盖，补充新子问题节点，重新调度1个WebSearcher检索该内容，填补信息缺口。

  5. 答案整合（WebPlanner）：
    所有子问题结果收集完毕后，WebPlanner生成“响应节点”，将通信挑战、机械臂技术、热控方案、样本封装等信息整合为逻辑连贯的回答，标注所有来源，最终输出给用户。

四、协作的核心优势

这种“规划者-执行者”的协作模式，本质上是将“复杂任务拆解”与“具体信息检索”的职责分离，带来两大核心优势：

  1. 效率提升：并行处理无依赖子问题，3分钟内可整合300+网页信息，相当于人类3小时的工作量；
  2. 质量保障：WebPlanner把控逻辑完整性，WebSearcher聚焦信息精准性，二者结合使回答在深度（如技术细节）、广度（如多维度覆盖）、事实性（如来源标注）上远超传统AI搜索工具（如ChatGPT-Web、Perplexity.ai）。
Yuqi-666
Authors
Yuqi-666