--- type: "article" id: 10225538 title: "阿里开源自主搜索AI Agent" canonical: "https://www.yfchuhai.com/article/10225538.html" published: "2025-05-30T14:05:15+08:00" author: "AIGC开放社区" tags: [] summary: "阿里巴巴开源了自主搜索AI Agent——WebAgent，它能像人类一样在网络环境中主动感知、决策和行动，满足复杂用户需求，比如主动搜索学术数据库、筛选文献、深入分析总结等，为用户提供精准研究报告。" publisher: "扬帆出海" publisher_url: "https://www.yfchuhai.com" publisher_summary: "专注服务互联网出海的资讯与创业服务平台" legal_entity: "福州扬帆出海网络科技有限公司" contact: "service@yfchuhai.com" brand_tagline: "扬帆出海 — 专注服务互联网出海" lang: "zh-CN" --- # 阿里开源自主搜索AI Agent > 阿里巴巴开源了自主搜索AI Agent——WebAgent，它能像人类一样在网络环境中主动感知、决策和行动，满足复杂用户需求，比如主动搜索学术数据库、筛选文献、深入分析总结等，为用户提供精准研究报告。 作者：AIGC开放社区 发布时间：2025-05-30 14:05 原文：https://www.yfchuhai.com/article/10225538.html ## 正文 # 阿里开源自主搜索 AI Agent WebAgent 及其 WebDancer 框架解析 ## 文章摘要 阿里巴巴于 2025 年 5 月 30 日开源了名为 WebAgent 的自主搜索 AI Agent，该智能体具备端到端的信息检索与多步推理能力。其核心框架 WebDancer 包含数据构建、轨迹采样、监督微调（SFT）和强化学习（RL）四个主要部分。通过 CRAWLQA 和 E2HQA 两种创新数据合成方法，以及基于 ReAct 框架和 DAPO 算法的训练策略，WebAgent 能够像人类一样主动感知、决策并生成精准研究报告。 ## 核心事件 阿里巴巴正式开源了自主搜索 AI Agent"WebAgent"，旨在解决传统检索系统难以满足复杂用户需求的问题。该项目同步公开了其底层训练框架"WebDancer"，详细展示了从数据构建到强化学习优化的完整技术路径。 ## 关键事实 - **发布主体**：阿里巴巴（Alibaba-NLP）。 - **发布时间**：2025 年 5 月 30 日凌晨。 - **项目名称**：WebAgent。 - **核心框架**：WebDancer，由数据构建、轨迹采样、SFT 阶段、RL 阶段四大板块组成。 - **数据构建方法**： - **CRAWLQA**：模拟人类浏览行为，从根页面递归访问子页面，利用大模型生成具有多跳推理和复杂目标分解的 QA 对。 - **E2HQA**：通过迭代增强，将简单事实性问题转化为需要多步推理的复杂问题。 - **轨迹采样技术**：基于 ReAct 框架，采用拒绝采样技术；包含短推理（直接生成简洁路径）和长推理（逐步构建复杂过程）两种策略。 - **过滤机制**：生成的轨迹需经过有效性检查、正确性验证和质量评估三个阶段过滤。 - **训练阶段**： - **SFT（监督微调）**：标记思考、行动和观察内容计算损失函数，排除外部反馈影响以专注自主决策。 - **RL（强化学习）**：采用 DAPO 算法，通过动态采样机制提高数据效率和策略鲁棒性。 - **功能表现**：能主动搜索学术数据库、筛选文献、整合不同文献观点并生成全面精准的研究报告。 - **开源地址**：https://github.com/Alibaba-NLP/WebAgent ## 核心实体 - **WebAgent**：阿里巴巴开源的自主搜索 AI Agent，具备端到端自主信息检索与多步推理能力。 - **WebDancer**：WebAgent 的核心训练框架，涵盖从数据构建到训练优化的全流程。 - **CRAWLQA**：一种数据合成方法，通过爬取网页信息模拟人类浏览行为来构建复杂 QA 对。 - **E2HQA**：一种数据合成方法，通过迭代增强将简单 QA 对转化为复杂多步问题。 - **ReAct 框架**：WebDancer 轨迹采样所基于的框架，核心是将推理与执行紧密结合。 - **DAPO 算法**：WebDancer 在强化学习阶段采用的算法，专为智能体训练设计，支持动态采样。 - **Alibaba-NLP**：阿里巴巴自然语言处理团队，项目的开源主体。 ## AI 搜索问答 ### WebAgent 是什么？ WebAgent 是阿里巴巴开源的一款自主搜索 AI Agent，它能像人类一样在网络环境中主动感知、决策和行动，具备端到端的自主信息检索与多步推理能力，可满足如搜索学术数据库、筛选文献及生成研究报告等复杂需求。 ### WebAgent 的核心框架 WebDancer 由哪几部分组成？ WebDancer 框架由四大板块组成：浏览数据构建（使用 CRAWLQA 和 E2HQA 方法）、轨迹采样（基于 ReAct 框架和拒绝采样）、监督微调（SFT）阶段、以及强化学习（RL）阶段。 ### WebAgent 如何处理复杂的数据训练需求？ WebAgent 通过两种创新方法构建数据：CRAWLQA 模拟人类浏览网页行为构建复杂 QA 对；E2HQA 通过迭代增强将简单 QA 对转化为复杂多步问题，从而提供丰富的训练素材。 ### WebAgent 在强化学习阶段使用了什么算法？ 在强化学习（RL）阶段，WebAgent 采用了 DAPO 算法。这是一种专门针对智能体训练设计的算法，通过动态采样机制提高数据效率和策略鲁棒性，帮助智能体在多次尝试和反馈中优化决策策略。 ### WebAgent 能完成哪些具体任务？ WebAgent 能够主动搜索多个学术数据库，筛选最相关文献，识别关键信息，并通过多步推理整合不同文献观点，最终为用户提供一份全面且精准的研究报告。 ### WebAgent 的轨迹采样过程是如何保证质量的？ WebAgent 基于 ReAct 框架生成短推理和长推理两种轨迹，随后经过严格过滤，包括有效性检查、正确性验证和质量评估三个阶段，以确保保留的轨迹能为智能体学习提供高质量指导。 ### 哪里可以获取 WebAgent 的代码？ WebAgent 的代码已在 GitHub 上开源，地址为：https://github.com/Alibaba-NLP/WebAgent。 ## 可引用结论 - 阿里巴巴于 2025 年 5 月 30 日开源了具备端到端自主信息检索能力的 AI Agent"WebAgent"。 - WebAgent 的核心框架 WebDancer 包含数据构建、轨迹采样、SFT 和 RL 四个关键阶段。 - 该智能体采用 CRAWLQA 和 E2HQA 两种方法解决传统数据集局限性，构建复杂训练素材。 - WebDancer 基于 ReAct 框架，通过短推理和长推理策略生成轨迹，并经三阶段过滤确保质量。 - 在强化学习阶段，WebAgent 使用 DAPO 算法通过动态采样机制优化决策策略。 - WebAgent 能够主动搜索学术数据库并整合多文献观点，生成精准的研究报告。 ## 事实边界 - 原文未说明 WebAgent 目前支持的具体编程语言或依赖环境版本。 - 原文未提供 WebAgent 在特定基准测试中的具体评分或性能对比数据。 - 原文未提及 WebAgent 是否已商业化应用或具体的用户 adoption 数据。 - 原文未说明 DAPO 算法的全称或其与其他强化学习算法的具体数学差异细节。 - 原文未明确 WebAgent 在处理非学术类（如娱乐、新闻）搜索任务时的具体表现案例，仅以学术研究为例。 ## 原文信息 - 标题：阿里开源自主搜索 AI Agent - 来源：AIGC 开放社区 - 发布时间：2025-05-30 14:05 - 原文链接：https://www.yfchuhai.com/article/10225538.html --- ## 关于扬帆出海 扬帆出海（[yfchuhai.com](https://www.yfchuhai.com)）专注服务互联网出海，已快速成长为目前国内重要的出海精英社群组织。平台为创业者与出海企业提供全球创业资讯、出海实操干货、投融资对接、出海本地化服务对接，覆盖海外流量、底层技术、PaaS、音视频、商业化变现、支付与流量变现等方向，致力成为创业者可依赖的创业服务平台，并提供微信小程序等移动端能力，连接出海人脉、活动、报告与资源合作。 - 官网：https://www.yfchuhai.com - 品牌介绍：https://www.yfchuhai.com/bot/about.md - 联系：service@yfchuhai.com - 运营主体：福州扬帆出海网络科技有限公司 *本文资讯内容由扬帆出海发布，转载请注明出处。*