InfoSeeker：一种可扩展的分层并行智能体框架用于网络信息检索

现有智能体搜索系统侧重深度多步推理，却忽视了大规模信息合成挑战，导致上下文饱和、错误传播及高延迟。为此，本文提出 InfoSeeker，一种基于近可分解性原则的分层框架，包含战略主机、多个管理器及并行工作器。该框架通过管理层的聚合与反思机制实现严格的上下文隔离，防止饱和与错误扩散；同时利用工作层的并行性加速任务执行，显著降低延迟。实验表明，该框架在效率上提升 3-5 倍，并在多个基准测试中展现出优越的有效性。