🏗️ 搜索系统架构：范式的演进

搜索架构正在经历从“固定流水线”到“动态智能体”的转变。 理解这两种范式的差异，是构建高性能、高智能搜索系统的关键。

---

🏛️ 范式一：传统线性流水线 (Classic Pipeline)

这是目前大多数工业级搜索引擎（如电商、内容平台）采用的架构。特点是：稳定、高吞吐、层层过滤。

1) 漏斗模型 (The Funnel)

• 多路召回 (Recall)：从 10 亿文档中找出 500-1000 个候选（BM25 ∥ 向量检索）。
• 粗排 (Pre-ranking)：将 1000 个降至 100 个（双塔模型或简单树模型）。
• 精排 (Reranking)：将 100 个降至 10 个（Cross-Encoder 或深度模型）。

2) 工程关键：数据一致性

• 离线索引构建：涉及 ETL 任务、Embedding 批量生成及 ANN 索引导出。
• 在线服务：需要确保在线模型版本与离线生成的 Embedding 维度、预处理逻辑保持一致。

---

🤖 范式二：Agentic 搜索架构 (Agentic Search)

这种范式下，搜索不再是“一锤子买卖”，而是一个感知、规划、执行、反思的循环。

1) 核心组件：动态路由与规划 (Router & Planner)

• 动态分发：根据意图识别（QU）结果决定处理路径。
  • 简单问题（如“北京天气”）-> Fast Path: 直接命中 KV 缓存或 API。
  • 复杂问题（如“对比三款不同品牌洗碗机的优缺点”）-> Slow Path: 触发 Agent 规划。

2) 推理循环 (ReAct 模式)

Agent 会反复执行以下动作：

• Thought: “我需要比较 A 和 B，但我现在只有 A 的信息。”
• Action: “调用搜索工具查询 B 的参数。”
• Observation: “获得了 B 的参数，发现 B 的容量更大。”
• Conclusion: 整合所有碎片知识，生成最终报告。

---

⚖️ 两种架构的权衡 (Trade-offs)

维度	传统流水线	Agentic 架构
时延控制	稳定 (100ms 级)	波动 (数秒级)
长尾覆盖	依赖扩展策略	通过推理动态解决
可观测性	易追踪每一层漏斗	较难 (由于 LLM 推理黑盒)
资源消耗	主要是索引和轻量模型	极其消耗 LLM Token

---

🛠️ 混合路径：常见工程实践 (Hybrid Route)

不要二选一，而是采用 “多级分流”：

1. Cache 层：覆盖 60% 的高频重复问题。
2. Traditional Pipeline：覆盖 35% 的普通垂直搜索需求。
3. Agentic RAG：仅对 5% 的高难度、需要跨文档推理的查询触发，以控制总成本和平均响应时间。

---

🤔 思考题

1. 如何设计一个“成本敏感型”的路由器，既能保障效果又能在流量峰值时自动关闭高耗能的 Agentic 模式？
2. 在 Agentic 架构中，如果工具（如 Google Search API）返回了矛盾的信息，Agent 应该依据什么逻辑进行冲突解决？

🎉 章节小结

从流水线到 Agent，是搜索引擎从“索引查找器”进化为“问题解决者”的过程。架构师的职责不是追求最先进的模型，而是根据时延预算、算力成本、意图复杂度，设计出最合理的“快慢路分流”方案。