搜索结果很相关，为什么最后的结论仍然错？

检索器找到了相关网页，为什么 Agent 还是答不出当前问题？

上一节把研究拆成一组尚待验证的主张。Agent 每次搜索都在为其中一个缺口找证据。但检索器通常只看到这一次传入的查询，不自动拥有 Agent 前面读过的所有资料。本课从原课的 Simon 与 Turing Award 例子解释“相关”和“对当前一步有用”的差别，不展开大规模向量索引实现。

查名字与查关系，是不同的需求

原课问题是“谁与 Simon 共同获得图灵奖？”资料库里有三条：Newell 与 Simon 于 1975 年获图灵奖；Simon 于 1978 年获得经济学诺贝尔奖；CMU 校园建筑与路线。第二条确实与 Simon 有关，却不能回答“和谁共同获图灵奖”。

如果 Agent 只发送 Simon award，它丢掉了任务中最关键的关系。一个检索器完全可能优先返回介绍 Simon 奖项的长传记。这里不是网页内容一定错误，而是本轮输入没有清晰表达缺口。

双编码器把查询与文档分别变成向量，用点积等相似度给候选排序。为了手算，取教学查询向量 (1,0)；文档 A 向量 (0.8,0.1)，B 为 (0.6,0.7)。点积分别为 1×0.8+0×0.1=0.8 与 1×0.6+0×0.7=0.6，所以 A 排在 B 前。

这两个维度只是用于演算点积的人工向量，不是某模型真实 embedding，也不能解释成“第一维是图灵奖”。0.8 同样不是事实有 80% 概率正确。编码器只根据训练得到一种排序函数，检索结果还要通过原文核对。

若查询向量改成 (0,1)，同样文档分数变成 0.1 与 0.7，顺序反转。这个小算式说明，文档集合不变，查询表达的方向改变也能改变排序。真实系统里语义与向量的关系更复杂，但查询遗漏关键关系仍可能使检索目标偏移。

模型可能在上下文中已经记下“知道 Simon，缺共同获奖者，排除诺贝尔奖”。如果工具调用只传 Simon award，后面三个限制都不会穿过接口边界。把推理写在上一条助手消息里，不等于检索 API 收到了它。

最直接的改善是把当前缺口写进可独立理解的查询，比如 Herbert Simon Turing Award shared with，随后核对原文实体与年份。更进一步，可以训练检索器同时接收当前推理状态和查询，让它学习什么资料对这一轮有用。原课介绍的 AgentIR 属于后一种路线。

观察过程 · 改变条件

先读 Agent 已知事实，再检查工具输入实际保留了多少。

教学构造场景 · 按下方规则逐步回放；不调用真实模型，不代表实际成功率。

这一轮的输入

资料库含共同图灵奖、诺贝尔奖、校园路线

当前缺口

Agent 已知 Simon，真正缺的是共同获图灵奖的人。

1 / 3

先预测，再核对结果与原因

还需要澄清查询并检索。

内部知道的约束没有穿过工具接口。

这组回放固定资料库，只改变查询是否带出缺失关系。返回顺序是教学场景设定，用于解释接口信息流，不宣称某搜索引擎实际会按此排序。

先列当前报告最重要的缺口，再估计这次搜索能补哪一个。给每次调用设一个可核对的问题，比如“找到共同获奖者原始记录”，而不是“了解更多”。读回结果时记录有无新增证据；连续得到重复资料时，应改变策略或明确未知，而不是把搜索次数当进展。

验收用保留的中间研究状态测试：同一个全局问题，在不同阶段需要的文档是否不同；查询中是否保留实体、关系、时间限制；排序靠前的文档是否实际支持当前主张。检索质量与最终报告质量相关，但不能用最终答案对错完全替代本轮文档有用性的判断。

检索器只能依据收到的信息排序，Agent 要把“现在缺什么”准确传出去。

理解题 1：文档提到了 Simon，为什么仍可能无助于这次搜索？

它可能只介绍诺贝尔奖，没有共同获得图灵奖的关系。实体相关只是必要线索，不等于能补上当前缺口。

理解题 2：点积 0.8 是否意味着事实正确率 80%？

不是。它是相似度分数，数值含义取决于编码与归一化。事实支持关系还要读取原文判断。

理解题 3：把全部历史传进去一定胜过短查询吗？

不一定。多余或错误历史会引入噪声，检索器也未必训练过这种输入。应传与当前缺口有关的已知事实和限制，并通过对照评测选择接口。

现在研究过程已经能追踪证据。下一节问训练问题：怎样让模型学会这套过程，而不只是学会报告的文风？