搜索型 Agent 如何落地：证据约束与架构精简

TinyFish 发布了两篇工程文章，讨论搜索型 Agent 如何进入生产环境：一篇介绍包含证据约束和有限重试的七阶段搜索架构，另一篇解释其深度研究系统为何取消独立规划器和按查询分配的子 Agent。现有信息能看出两条主线：控制搜索过程，以及精简任务编排，但还不足以还原完整实现。

目前能确认什么

第一篇涉及七阶段生产搜索架构，并明确包含证据约束和有限重试。摘要没有列出各阶段职责，也没有说明证据校验规则、重试触发条件和次数上限。

理解这套设计，可以先区分两个问题：搜到材料，不等于材料足以支持结论；一次搜索失败，也不代表继续搜索就一定能补齐证据。证据约束关注回答依据，有限重试则给执行过程设置边界。

第二篇讨论架构精简。TinyFish 的深度研究系统取消了独立规划器，以及按查询分配的子 Agent。但现有信息没有说明这些职责由谁接手，也不能据此认定系统完全放弃了规划或多 Agent 协作。

我的判断

对程序员更有参考价值的，是如何约束搜索过程，而不是「七阶段」这个数量。

做搜索型 Agent，应该明确区分「有来源」「来源支持结论」和「证据仍不足」这几种状态；重试结束后如何处理缺口，也需要有明确规则。TinyFish 是否这样实现，目前还不能确认。

取消两个独立模块，同样值得关注。拆分任务会增加上下文传递、结果合并和失败处理的工作，但精简架构也可能减少并行探索的空间。

我更想确认的是：取消模块后，查询如何生成、研究方向如何调整、证据缺口如何补齐。只有这些职责的去向清楚，才能判断这次精简适合哪些搜索任务。