利用布林檢索最佳化深度研究代理人：搜尋、檢視、擷取
為何重要
對於正在嘗試降低 Agent 成本與提高資訊可靠度的開發者來說，這項研究證明瞭傳統資訊檢索技術（布林查詢 BQL）結合結構化文件分析，能有效解決大型語言模型 在長上下文推理中的 Token 燒錢問題與雜訊幹擾。這顯示未來 Agent 的研發重心將從單純加強模型能力，轉向最佳化外部資訊檢索與擷取的效率。
現有深度研究代理人忽視網站結構（如標題與屬性），採用貪婪讀取整頁的「搜尋-造訪」工作流程。研究介紹名為 SIEVE 的介面，利用欄位化布林檢索 目標檔案欄位並僅擷取相關章節。
- SIEVE 的運作機制包含候選檔案過濾、排序、呈現包含結構資訊的結果卡片，以及針對所選區塊的精細擷取。
- 在三個 QA 資料集上，SIEVE 的準確度高於最精確的傳統「搜尋-造訪」設定。
- SIEVE 減少了 20.7% 至 50.6% 的 token 使用量，同時保持與其他檢索器一樣的準確度。