问题的先手：在智能体深度搜索中的第一步至关重要

深度研究智能体通过搜索、阅读和推理的迭代循环回答复杂问题。近期在需要强推理的基准（如BrowseComp-Plus）中表明，合理配置的词法检索可挖掘高质量证据，但智能体仍可能无法将携带证据的文档与正确文档关联。我们发现深度研究智能体的首次检索动作是该场景中的关键设计决策。我们提出了一种名为‘问题的先手’的首次动作检索模块，该模块将问题分解为若干线索，将其重新表述为互补的检索请求，整合检索结果，并在智能体开始迭代搜索与推理前对候选池进行重排序。这一初始上下文旨在支持线索聚合和最终答案的验证。我们进一步在MultiHop-RAG上进行评估，以验证这些优势是否能迁移到更传统的多跳问题结构中。在BrowseComp-Plus上的实验表明，‘问题的先手’在检索召回率和下游智能体准确率上优于现有强基线，使用gpt-5.5时，答案准确率从83.1%提升至90.5%，优于Pi-Serini（当前最强报道的智能体基线）。结果证实，高效的智能体深度研究不仅依赖循环内的工具，也高度依赖首次动作的质量。我们的实现已公开发布于此 https URL。