智能体检索循环：搜、读、再搜的外循环与引用累积
主流 AI 搜索回答一个问题，走的是一次检索一次合成；深度研究类产品面对“帮我们评估三家供应商”这类研究型任务时，走的是另一条路：先拟研究计划，再逐项检索、阅读、评估还缺什么证据，缺口变成下一轮检索，循环数轮后合成一份带完整引用列表的长报告。这个“搜、读、再搜”的外循环是智能体搜索（agentic search）的代表性形态，产品层面的概念见 Deep Research 术语卡与 Agentic Search 术语卡。本页拆循环本身的机制，以及它对 GEO 策略的改写。
即答：智能体循环把检索从“一锤子买卖”变成“目标驱动的迭代过程”，引用列表是全程所有被取用来源的累积而非单次检索的前几名。对内容方，每轮检索都是一个独立查询、一次独立入场机会——子问题覆盖的深度与广度，开始决定被引总量，而不只是单页的相关性。
循环骨架：规划、检索、阅读、缺口评估
外循环四步。规划：把大问题拆成研究大纲——评估供应商的任务会被拆成资质、产能、口碑、价格结构等子项，大纲是后续所有检索的母版。检索：按大纲逐项发查询，每项都是一次常规检索。阅读：与单轮 RAG 只取内容块不同，智能体会更完整地读取来源——点进链接、通读页面，消费的是整页而不只是检索命中的那一段。缺口评估：对照大纲检查哪些子项证据不足或相互矛盾，把缺口写成下一轮查询。循环的出口是大纲覆盖完成，或继续检索的边际收益明显下降。
缺口评估是整个循环的灵魂：它让检索有了方向感，后一轮查询建立在前一轮阅读的发现上。这也是智能体与“把同一个问题反复问十遍”的本质区别——循环里有计划在指导，检索是推进，不是重复。也正因如此，循环型产品对信源的系统性强弱更敏感：它不是在找“某个相关页面”，而是在为大纲的每个空格找“能填空的材料”——空格填不上的信源，单页写得再漂亮也进不了循环。
引用累积：长报告的引用列表从哪来
单轮回答的引用列表接近“本次检索的前几名”；长报告的引用列表是全程累积——每一轮用过的来源都留在名单里。两个后果值得单列。其一，报告的引用面天然更宽、更分散：单一来源通吃更难，多域布局的价值被放大。其二，累积过程带交叉印证色彩：一个论断要写进报告结论，通常需要多个来源相互支撑，孤证在缺口评估阶段就可能被标记、触发补充检索——多源交叉印证从写作建议变成了循环内部的工作机制。
另一个容易被忽略的变量是长度：多轮阅读的材料累积进上下文，位置偏差在超长上下文里被放大——早中期的发现可能被后期材料挤到注意力的塌陷区（机制见 Lost in the Middle 术语卡）。谁的内容在被反复取用的中后程仍然高频重现，谁就更容易留在最终报告里。
与单轮 RAG 的差异，落在 GEO 上是什么
**入场机会从一次变多次。**每轮检索一个独立查询，大纲里每个子项都是一次命中机会。单轮时代“一个页面答一题”够用；循环时代，任务级覆盖——把研究大纲可能拆出的子问题都布上自含答案——才是被引总量的分母。
**阅读深度变了。**智能体读全文、顺链接，页面内部的深度内容被真正消费：一份只有即答段没有展开论证的页面，在单轮里可能够用，在循环里会被读得更透的系统性信源覆盖。即答段保入场，深度保存活。
**被引形态变了。**长报告的引用列表更长，位置含金量差异更明显——被列在报告开头综述段的来源与被埋在附录的来源，曝光不在一个量级。核心结论值得为其单独准备一页“被点名”的素材。
**场景价值要看口径。**深度研究类流量目前在整个 AI 搜索盘子里占比有限，但任务多与采购决策、行业调研这类高价值场景绑定。对本站用户（B2B 制造业为主）而言，这是被研究、被写进报告的通道，值得单独布置内容与单独监测，不该用普通问答的流量尺子去量它。
**监测口径也要换。**任务型场景下，“单题多采样”的常规监测只覆盖了循环的入口，看不见报告怎么写。给深度研究类产品单列一小套任务型提问——“评估 A 与 B 两类方案的优劣”这类需要多子问题支撑的题——判读对象从“有没有被引”换成“进了报告的哪个部分、支撑了哪个结论”。报告层级的引用含金量高于单次回答里的列表挂名，两本账分开记，读数才有解释力。
常见误解
**“智能体就是自动点几次搜索框。”**区别在目标驱动与缺口评估：循环里的每一轮查询由计划与前一轮发现生成，不是无记忆的重复。所以“反复出现在同一个查询的结果里”并不保证被循环采用——它要看的是你对整个大纲的覆盖。
**“单轮优化的打法照搬就行。”**部分成立、部分失效。块级自含、即答段这些单轮纪律在循环里依然入场有效；但“押中单一高相关问题”的打法在循环里收益衰减，循环奖励的是任务级完整覆盖。
**“引用列表长说明研究浅、凑数。”**累积引用是机制产物：全程取用过的来源都在名单上，这与注水无关。判读引用列表时应看它覆盖了大纲的哪些子项，而不是数个数。
限制与待核实
- AL-01：各家深度研究产品的循环实现——轮数上限、规划方式、出口条件——均不公开，本页是该类产品的通用骨架抽象，不对应任何单家架构。
- AL-02：“引用累积”来自对长报告引用列表形态的观察加机制推断，累积比例、去重规则无公开数字。
- AL-03：缺口评估如何量化“证据不足”不公开，本页只给定性描述；交叉印证的具体强度阈值同样是黑箱。
- AL-04：智能体产品的流量规模与任务分布，本页不做量化表述；监测此类场景应单独设提问集，口径见站内测量方法论页。