人工智能领域正经历着巨大的变革，特别是在基于大语言模型（LLM）的AI搜索代理技术方面。这一技术正在逐步改变我们获取信息的方式。在中文网络搜索领域，一直缺乏一个统一的评估框架和高效的开源解决方案。近日，Level-Navi Agent的出现填补了这一空白。它不仅提供了一个强大的开源AI搜索智能体框架，还配备了一个标注良好的数据集（Web24），以及合适的评估指标，为中文网络搜索领域带来了新的突破。
一、为何需要Level-Navi Agent？
传统搜索引擎如Google主要依赖关键词匹配，难以处理复杂的查询意图。例如，对于涉及多跳的问题，传统搜索引擎可能无法给出满意的答案。而AI搜索代理能够理解自然语言，处理复杂查询，提供更精准的答案。Level-Navi Agent就是为了解决这一问题而生。
二、Level-Navi Agent的技术解析
Level-Navi Agent的核心在于层次化导航技术。它由两个关键组件构成：Planning Agent和Level-Info Agent。Planning Agent通过链式思维（Chain of Thought, CoT）分解问题，将复杂问题转化为一系列子问题。Level-Info Agent则根据子问题的需要，进行多层次搜索，提高搜索效率。
Level-Navi Agent的开源地址如下：/chuanruihu/Level-Navi-Agent-Search，方便研究者和开发者进行了解和交流。
三、Level-Navi Agent的应用评估
在Web24数据集上的实验结果显示，模型参数并非越大越好，单纯增加模型参数并不能线性提升性能。采用少样本提示方法可以提高Agent的通过率。与市面上的其他产品相比，Level-Navi Agent在正确性、相关性和语义相似性上表现优异。
在评估指标方面，传统基于token的评估方法存在局限性，无法准确反映模型响应的质量。需要采用新指标来更准确地评估模型性能。
Level-Navi Agent通过层次化导航技术，解决了传统搜索引擎和现有LLM驱动搜索代理的痛点。其开源的代码和数据集为研究者和开发者提供了宝贵的资源，推动了中文网络搜索技术的发展。Level-Navi Agent的出现无疑为中文网络搜索领域带来了新的突破和发展机遇。
