Sentient 開源 AI 搜尋框架 ODS：搭配 DeepSeek 叫板 Perplexity

Open Deep Search（簡稱 ODS）是一個開源的 AI 搜尋框架，能讓你用開源或閉源大模型，直接搭出一套叫板 Perplexity 和 ChatGPT Search 的深度搜索系統。

以往這類 AI 搜尋大多藏在商業產品的黑盒裡，外部開發者很難拿來定製私有方案。Sentient Foundation 做這個專案的目的很直接：給大模型配上一套可插拔的搜尋與推理底座，證明開源系統在檢索質量和速度上一樣能打。

它是怎麼工作的

ODS 本質上是一個模組化的中間層，核心由兩個元件拼成：Open Search Tool 和 Open Reasoning Agent。

Open Search Tool 負責幹檢索的髒活累活。收到使用者提問後，它不會傻傻地直接拿原句去搜，而是會先把問題改寫成多個不同角度的版本，以此擴大搜索覆蓋面。

拿到網頁結果後，工具會對摘要和連結頁面做文本切塊與重排序，挑出相關度最高的內容餵給模型。它還對維基百科、arXiv 和 PubMed 做了專門的解析規則，遇到衝突資訊時會優先採信高權重信源。

負責調配這一切的是 Open Reasoning Agent。官方提供了兩個版本供選擇，邏輯不太一樣。

ODS-v1 走的是傳統的 ReAct 與思維鏈（CoT）路線，一邊推理一邊調用搜索工具。要是模型被卡住，系統會啟動裁判模型，切換到自我一致性模式，多采樣幾個回答來取交集。

ODS-v2 則更激進，基於 Hugging Face 的 SmolAgents 庫，引入了程式碼驅動的 CodeAct 和 Chain-of-Code 機制。它讓模型通過寫程式碼來規劃行動和呼叫工具，能更穩定地搞定需要反覆搜尋、邏輯複雜的多跳任務。

實測表現如何

ODS 是即插即用的。你可以給它接 DeepSeek-R1 這種開源推理模型，也可以接入 GPT-4o 或 Claude。

研究團隊用 FRAMES 和 SimpleQA 兩個基準評測了它的實際水準。當 ODS 搭配開源的 DeepSeek-R1 時，v1 和 v2 兩個版本在成績上都超過了 Perplexity 的旗艦產品。

在側重多步推理的複雜基準 FRAMES 上，搭配 DeepSeek-R1 的 ODS-v2 甚至越過了 OpenAI 的 GPT-4o Search Preview，在 SimpleQA 上也幾乎打平。

測試中還有一個有意思的細節：這套智慧體表現出了不錯的剋制力。它會根據任務難度決定搜尋次數，遇到 SimpleQA 裡的直接問題只搜一兩次，面對複雜提問才會多輪深挖，不會盲目浪費 token。

為什麼重要

如果你是一家想搭建內部智慧搜尋、又不想把機密資料直接交給閉源 SaaS 的企業，或者想做深度調研助手的開發者，ODS 是目前少見可以直接拿來用的成熟底座。它省去了你自己手搓檢索管線和重排邏輯的功夫。

過去開源界做 AI 搜尋，往往只能拼湊出體驗簡陋的初級 RAG，真正好用的架構都在大廠手裡。ODS 證明了開源模型配上合理的智慧體排程，完全能在深度檢索上抗衡頂尖商業工具。

不過也要潑點冷水：它終究是一套排程框架。最終搜尋體驗如何，很大程度上取決於你配了什麼底模，以及底層對接的網頁搜尋介面質量有多高，實際落地免不了還要做不少工程調優。