Probe-then-Plan：面向工业级电商搜索的环境感知规划

现代电商搜索正朝着解析复杂用户意图的方向演进。尽管大语言模型（LLM）具备强大推理能力，现有基于LLM的范式面临根本性的“盲目性—延迟”两难：查询改写对检索能力与实时库存一无所知，产生无效计划；反之，深度搜索智能体依赖迭代式工具调用与反思，带来数秒延迟，与工业界亚秒级预算不兼容。为化解这一冲突，我们提出环境感知搜索规划（Environment-Aware Search Planning, EASP），将搜索规划重构为以环境实况为依据的动态推理过程。EASP引入“先探测后规划”（Probe-then-Plan）机制：轻量级检索探针（Retrieval Probe）暴露检索快照，使规划器能够诊断执行缺口并生成有据可依的搜索计划。该方法包含三个阶段：（1）离线数据合成：教师智能体（Teacher Agent）通过诊断被探测的环境，合成多样且经执行验证的计划。（2）规划器训练与对齐：规划器先通过监督微调（SFT）初始化以内化诊断能力，再通过强化学习（RL）与业务成果（转化率）对齐。（3）自适应在线服务：复杂度感知的路由机制仅对复杂查询选择性地激活规划，确保最优资源分配。在JD.com上进行的大量离线评估与在线A/B测试表明，EASP显著提升相关召回，并在UCVR和GMV上取得可观增长。EASP已成功部署于JD.com的AI-Search系统。