TURA：面向 AI 搜索的工具增强统一检索代理
计算与语言
2026-03-13 v2 人工智能
信息检索
摘要
大型语言模型 (LLM) 的出现正在改变搜索引擎，使其成为具备对话功能的 AI 搜索产品，主要通过 web 语料库上的检索增强生成 (RAG) 实现。然而，这一范式存在显著的工业局限性。传统的 RAG 方法在满足实时需求和需要访问动态生成内容（如车票 availability 或 inventory）的结构化查询方面受限。仅能索引静态网页的搜索引擎无法执行此类时效性数据所需的交互式查询。学术界的研究聚焦于针对静态内容优化 RAG，忽略了复杂意图和需要访问数据库和实时 API 等动态来源的需求。为弥合这一差距，我们提出了 TURA (Tool-Augmented Unified Retrieval Agent for AI Search)，一种新型三阶段框架，将 RAG 与 agentic tool-use 结合，以访问静态内容和动态、实时信息。TURA 的三个关键组件包括：意图感知检索模块，用于分解查询并检索封装为模型上下文协议 (MCP) 服务器的信息源；基于有向无环图 (DAG) 的任务规划器，将任务依赖建模为 DAG 以实现最优并行执行；以及轻量级蒸馏 agent 执行器，用于高效调用工具。TURA 是首个系统性地弥合静态 RAG 与动态信息来源之间差距的架构，为面向大规模工业系统的世界级 AI 搜索产品提供支持。它服务数千万用户，利用 agentic 框架交付稳健的实时答案，同时满足大规模工业系统的低延迟需求。
引用
@article{arxiv.2508.04604,
title = {TURA: Tool-Augmented Unified Retrieval Agent for AI Search},
author = {Zhejun Zhao and Yuchen Li and Alley Liu and Yuehu Dong and Xiaolong Wei and Lixue Zheng and Pingsheng Liu and Dongdong Shen and Long Xia and Jiashu Zhao and Dawei Yin},
journal= {arXiv preprint arXiv:2508.04604},
year = {2026}
}