论文
搜索与推理解耦：LLM智能体的供应商无关锚定架构
Decoupling Search from Reasoning: A Vendor-Agnostic Grounding Architecture for LLM Agents
摘要
生产LLM智能体日益依赖实时搜索——但原生搜索锚定把检索策略、提供商选择、证据注入、成本、延迟与生成行为捆绑在单一模型提供商边界之后。这种耦合使锚定难以检视、调优、复用或移植——并可能触发破坏严格输出契约的搜索诱导冗长。我们呈现解耦搜索锚定（DSG）——供应商无关边界——经MCP兼容网关把锚定移到推理模型之外——把提供商路由、来源感知上下文渲染、配置化回退、检索深度控制以及精确加语义缓存暴露为一等控制。跨五个前沿模型在SimpleQA、FreshQA与HotpotQA上——原生搜索在时效敏感的FreshQA上领先——但DSG在需要控制时暴露更强的前沿：SimpleQA上以低91%的搜索成本几乎匹敌原生准确率（86.1%对87.7%）——保持简洁答案契约——达到99.4%热缓存命中率、延迟低68%。作为大规模智能体负载（模型可换）的共享生产锚定层部署——DSG在电商查询理解（QIU）负载上匹敌或略超原生搜索准确率——同时削减搜索成本超98%。实时锚定最好被当作可优化的接口边界——而非固定的模型特性。
