搜索，即
test-time compute

让机器人在一手扑克上多想 20 秒，effect 相当于把模型放大 10 万倍、再多训 10 万倍的时间。 Noam Brown，OpenAI，2024

20 秒，换 10 万倍。
这个兑换比例一旦成立，问题就从「模型够不够大」，变成了「你舍不舍得在推理时多花这一点」。

Omni 里没有 ANN 索引，一次查询要扫全库。建一个图索引，光链接就要每行 256 字节，四百万 chunk 时是 0.95 GB，接近查询要扫的矩阵的三倍，而且持续编辑的语料会不断让它失效。

所以同一个空间存两份：扫描读 1 bit 副本，精确向量只有短名单才碰。粗排分数只决定谁进短名单，不必准，只要短名单够宽；最终排序由精确重算说了算。候选集是 min(4096, max(1024, topK×32))。

常规做法是把每个 chunk 都 embed、存向量、再用 ANN 查回来。但索引是靠很多次查询摊薄成本的，而一页文档只活在这一次浏览里。为它建索引，比直接跑一遍前向还贵。

所以这里反过来：把整页塞进一次 listwise 前向，答案直接以 <mark> 标回原文，页面自己的 CSS、表格、图都不动。

一百万篇文档仍然需要第一段召回。而只有一页的时候，该删掉的正是召回这一段。

一步跨得最大的是 A：把这次前向已经算出来的 patch 读完整。B 再去看新的像素，还能再补一段。
这中间模型一个权重都没动过。

给它一个题目和一个 token 预算，它搜、读、写循环推进，把互联网上跟这个题目相关的内容下成一个带引用的 zip。

关键是 token 的账：探索阶段用自己部署的本地小模型跑，把昂贵的前沿额度省下来，留给后面真正需要判断力的那一步。

给它一个 dataroom 的 zip，切断网络，再问一个问题。自己部署的本地小模型在里面跑。它想答上来，只能用手边的本地工具现搭一条链路——grep、embed、rerank、相似度、聚类、选多样性。

断网这件事是故意的。不断网，就分不清它是真的在检索，还是网上碰巧有现成答案。

简单题对研究 agent 搜索毫无用处：一次 grep 就能命中的问题，什么方法做出来都一样分。要评测 searchbox，得先有真正需要搜索才能答的题。

把语料先抽成知识图谱，每条事实是一条 (主语)-[谓语]->(宾语) 的边，然后去走图里最长的那些路径。这些长链条自然就成了多跳问题——没有任何单独一段文字能直接回答。

题目从同一份语料里长出来，所以是私有的、不可能被背过的评测集。agent 必须真的把事实一环一环连起来，也就必须真的去花那份推理算力。

前面三个是完整的链路。想知道检索这一环到底值多少，得把它单独拎出来：固定一份 Jina 文档语料（210 篇 md 加结构化 json，切成 7777 个 chunk），外面套一个 agent，然后只给它一个外部工具。

其余全是 Pi 自带的 read、grep、bash。这样被测的就只有 search_corpus 这一件事，结果的好坏只能归因于它。