AI-Native Unified Search Intelligence (AUSI) Series — Paper 03

任務驅動的自主搜尋規劃：AI Search Planner、動態方法選擇與 Search Plan Optimization

English Title: Task-Driven Autonomous Search Planning: AI Search Planners, Dynamic Method Selection, and Search Plan Optimization

Version: v0.1
Date: 2026-08-30
Status: Canonical Draft
Series: AI-Native Unified Search Intelligence (AUSI)
Predecessor: Paper 02 — 統一搜尋方法空間：Search Method Ontology 與可組合搜尋算子
Reference Implementation Direction: ai-web-research

摘要

當 AI 擁有多個搜尋方法與多個資料 provider 後，下一個核心問題不再是「如何搜尋」，而是「在此刻應該執行哪一個搜尋行動」。既有 interactive information retrieval、session search、reinforcement learning for IR、Agentic RAG、Search Agent 與 deep research 系統已分別研究多輪 query reformulation、狀態—行動—回饋建模、動態 retrieval、Web navigation 與 reasoning-time search。然而，對一個通用 AI 搜尋基礎設施而言，planner 的 action space 不應只由 query reformulation 或單一 search tool 構成，而應包含不同 Search Method、不同 Provider、不同參數、不同平行與條件式組合，以及停止本身。

本文提出 AI Search Planner（AISP） 的初步形式框架，將自主搜尋建模為一個具有部分可觀察性、外部世界變動、來源與合法性約束、有限資源與多目標效用的 sequential decision problem。本文延續 Paper 02 的 Search Method Ontology，將單一步驟行動表示為：

a_t=(M_i,P_j,\theta_t,\Gamma_t)

其中 $M_i$ 為搜尋方法、 $P_j$ 為 provider、 $\theta_t$ 為方法參數、 $\Gamma_t$ 為執行與 policy guards。Planner 根據任務 $T$ 、可觀察搜尋狀態 $S_t$ 、證據狀態 $E_t$ 、coverage / uncertainty 狀態與剩餘 budget，動態產生或修正 Search Graph。可行行動必須先通過 capability、合法性、授權、成本、隱私與其他 constraints，再進入效用排序。

本文提出一個多目標 Search Utility，其組成包含 expected evidence gain、coverage gain、uncertainty reduction、freshness、source authority、diversity、cost、latency 與 risk。本文進一步將 stopping 視為 planner 的正式 action，而不是搜尋流程之外的例外：當下一步搜尋的預期邊際價值低於其成本與風險，或任務的 evidence / coverage acceptance criteria 已滿足，系統可以停止；若高風險任務的缺口仍存在，則停止可以被禁止。本文也提出 parallelization、counter-evidence scheduling、provider substitution、replanning triggers、bounded planning horizon 與 Search Receipt 等機制。

本文不主張所有搜尋問題都需要 reinforcement learning，也不假設可求得全域最優搜尋策略。相反地，本文提出一個模型無關的 planner contract，使 rule-based、optimization-based、LLM-based、learned policy 與 hybrid planner 都能在同一 Search State、Method Registry 與 policy boundary 上工作。此框架為後續「合法資料取得與來源治理」以及「從搜尋結果到證據」提供決策層地基。

關鍵詞： Search Planner、AI-Native Search、Sequential Decision Making、POMDP、Interactive Information Retrieval、Session Search、Agentic RAG、Search Agent、Search Optimization、Evidence Gain、Search Stopping

1. 從「會搜尋」到「會決定怎麼搜尋」

Paper 01 建立了 AI-Native Search 的基本命題：

搜尋策略本身應成為 AI 可操作的物件。

Paper 02 接著建立 Search Method Ontology，將不同搜尋法抽象成：

\mathcal{M} = \{M_1,M_2,\ldots,M_n\}

並將不同資料來源或執行後端抽象成：

\mathcal{P} = \{P_1,P_2,\ldots,P_k\}

因此，新的問題不再是缺乏能力，而是能力過多：

AI 在什麼時候，應該從哪些方法與 provider 中選出哪一個組合？

若沒有 Planner，一個具有 50 個搜尋工具的 AI 仍可能：

永遠只用其中一個；
隨機選工具；
選到技術上能執行但語義上不適合的方法；
重複發送近似 query；
在單一 provider 中陷入 confirmation loop；
一直搜尋而不知道何時停止；
忽略資料取得是否合法；
找到大量結果卻沒有形成更強的 evidence state。

因此：

\boxed{ \text{Search Capability} \neq \text{Search Planning} }

而：

\boxed{ \text{Search Intelligence} = \text{Capabilities} + \text{Planning} + \text{Evidence State} + \text{Constraints} }

2. 既有研究已證明搜尋可以被視為序列決策

AI Search Planner 並不是從無到有發明「搜尋可以多輪決策」。

2.1 Query Reformulation 與 Session Search

Web search 長期研究 query reformulation pattern、search session 與 successive queries。這些工作已經表明，一次搜尋後的觀察會改變下一次 query。

因此：

Q_{t+1} = f(Q_t,O_t)

比固定 query 更符合真實搜尋。

2.2 POMDP Session Search

Luo、Zhang、Dong 與 Yang 在 2015 年研究如何為 session search 設計 POMDP 的 states、actions 與 rewards；後續 Yang 等人在 2018 年完整使用 POMDP 建模 session search 的 rich interaction 與 temporal dependency。

這提供一個重要理論先例：

Search process 可以被表示成 partially observable sequential decision problem。

2.3 Direct Policy Learning

Luo、Dong 與 Yang 也在 2015 年提出 Session Search by Direct Policy Learning，直接學習 search engine action policy。

這說明：

\pi(a_t\mid S_t)

本身可以成為搜尋研究對象，而不只是 retrieval score。

2.4 Agentic Retrieval 與 Deep Research

2025 年的 Search-o1 將搜尋插入 reasoning process，使模型在知識不足時動態取得外部資訊；WebThinker 則進一步讓 reasoning model 自主搜尋 Web、瀏覽頁面、提取資訊與撰寫研究報告。

因此到 AI Agent 時代，問題已從：

\text{query reformulation}

逐步擴大為：

\text{tool selection} + \text{navigation} + \text{retrieval} + \text{reasoning-time adaptation}

本文的工作是在這條歷史線上再做一層抽象：

把 planner 的 action space 從「搜尋詞或某個搜尋工具」擴張為整個 Search Method Ontology。

3. Planner 的工作不是產生一串 query

最簡化的搜尋規劃器可能輸出：

query_1
query_2
query_3

但這仍是 query-centric model。

本文將 Search Planner 定義為：

根據任務、搜尋狀態、可用方法、provider、證據缺口與約束，產生並動態修訂 Search Plan 的決策系統。

因此 Planner 的輸出可以是：

1. Exact identifier lookup
2. If unresolved:
   ├─ lexical high-recall search
   └─ semantic search
3. Fuse candidates
4. Resolve primary sources
5. Search counter-evidence
6. Verify versions
7. Stop if acceptance criteria satisfied

這裡：

query 只是 method parameter；
provider 可以在執行前才 resolve；
branch 可以 conditional；
search 可以 parallel；
stop 是正式 decision。

4. Task Specification

定義搜尋任務：

T = ( G, D, Q_0, C_T, A_T, F_T, B_T, R_T, V_T )

其中：

$G$ ：goal；
$D$ ：domain；
$Q_0$ ：初始問題、seed 或 request；
$C_T$ ：task constraints；
$A_T$ ：acceptance criteria；
$F_T$ ：freshness requirement；
$B_T$ ：budget；
$R_T$ ：risk profile；
$V_T$ ：verification requirement。

例如：

「請找出台灣某經濟指標最新官方數值。」

與：

「請全面搜尋一項軟體技術是否可能已有 prior art。」

雖然都叫「搜尋」，但它們的 $T$ 幾乎完全不同。

5. Task Interpreter：先判斷需要哪一種認知效果

Planner 不應直接從自然語言跳到 provider。

應先取得 task interpretation：

I_T = \operatorname{Interpret}(T)

其中至少可以包含：

intent
domain
target_entities
target_relations
required_evidence
freshness
coverage_requirement
precision_requirement
recall_requirement
risk
legal/policy context
acceptable uncertainty

例如：

「找最新 CPI」

可能被解析為：

intent = factual-data-retrieval
source_preference = official-primary
freshness = latest
versioning = required
coverage = narrow
verification = metadata + date + series identity

「找所有可能 prior art」

則可能是：

intent = high-recall-discovery
source_scope = multi-provider
terminology_expansion = required
classification_search = required
citation_search = useful
coverage = broad
counter-path-search = required
stopping = conservative

因此：

\operatorname{Planner}(T) \neq \operatorname{Planner}(Q_0)

Task 比 query 更大。

6. Observable Search State

本文延續 Paper 02，定義：

S_t = ( T, X_t, C_t, E_t, U_t, K_t, B_t, H_t )

其中：

$T$ ：task；
$X_t$ ：當前顯式搜尋表示；
$C_t$ ：candidate set；
$E_t$ ：evidence state；
$U_t$ ：uncertainty / uncovered state；
$K_t$ ：已知 source / method / provider operational state；
$B_t$ ：remaining budget；
$H_t$ ：observable execution history。

這裡特別強調：

$S_t$ 是外部可操作與可記錄的 Search State，而不是模型私人思考鏈。

Planner 不需要暴露完整 internal reasoning。

它只需要顯式表示足以：

檢查下一步是否合法；
判斷方法是否適用；
重建執行歷史；
評估 coverage；
驗證 stopping condition。

7. 部分可觀察性

搜尋世界天然是 partially observable。

例如：

我們不知道還有多少未發現來源；
不知道某 provider 沒找到是因為不存在，還是 index 缺漏；
不知道一個 keyword 是否漏掉某個專業歷史術語；
不知道某個網站明天是否更新；
不知道所有相關 prior art 是否已被覆蓋。

因此，可以引入 belief state：

b_t(z) = P(z\mid H_t,E_t,C_t)

其中 $z$ 表示尚未直接觀察的任務相關世界狀態。

但本文不要求 runtime 必須實作完整 Bayesian POMDP。

實務上可以用：

coverage map
uncertainty tags
missing-source flags
unexplored branches
confidence intervals
heuristic gap scores

近似 belief state。

因此：

\text{POMDP interpretation}

是一個有用理論模型，而不是唯一 implementation。

8. Search Action

Paper 02 已定義 Method 與 Provider 分離。

本文定義單一 action：

a_t = ( M_i, P_j, \theta_t, \Gamma_t )

其中：

$M_i$ ：Search Method；
$P_j$ ：Provider；
$\theta_t$ ：method parameters；
$\Gamma_t$ ：guards / execution conditions。

例如：

a_t = ( M_{\text{backward-citation}}, P_{\text{OpenAlex}}, \{\text{seed}=d_7,\text{depth}=1\}, \Gamma_{\text{allowed}} )

或者：

a_t = ( M_{\text{structured-retrieval}}, P_{\text{official-api}}, \{\text{series}=x,\text{period}=y\}, \Gamma_{\text{freshness}} )

9. Stop 也是 Action

本文把停止明確加入 action space：

a_{\text{stop}} \in \mathcal{A}_t

因為：

不知道何時停止的 autonomous search 不是完整 planner。

Stop 可以有不同 reason code：

goal_satisfied
coverage_sufficient
evidence_sufficient
budget_exhausted
policy_blocked
provider_exhausted
marginal_gain_too_low
human_review_required
unresolvable_uncertainty

因此 Search Receipt 可以區分：

「找完了」

與：

「因為已經不能合法或合理地繼續，所以停止」。

10. 可行行動集合

不是所有方法都可以隨時執行。

先由 method precondition：

\operatorname{Pre}(M_i,S_t)=1

篩選。

再要求 provider capability：

P_j\models M_i

再要求政策與執行 guard：

\operatorname{Allowed}(M_i,P_j,T,S_t)=1

因此：

\mathcal{A}_t^{\text{feasible}} = \{ (M_i,P_j,\theta) \mid \operatorname{Pre}=1, P_j\models M_i, \operatorname{Allowed}=1 \} \cup \{a_{\text{stop}}\}

這個集合非常重要。

Planner 不應先想：

「最好的搜尋方法是什麼？」

而應先問：

「哪些行動現在是可行而且允許的？」

11. Hard Constraints 與 Soft Objectives 必須分離

某些條件不能透過 utility compensation。

例如：

不允許的自動化存取；
不足的使用授權；
不允許將私人資料送給外部 provider；
超過不可突破的費用上限；
需要人類核准的高風險動作。

因此：

\operatorname{Allowed}=0

時，即使預期資訊價值再高，也不能由其他正分抵銷。

所以：

\text{hard constraints} \neq \text{negative utility}

這將在 Paper 04 的合法資料取得與來源治理中完整展開。

12. Planner Utility

對可行行動，Planner 才進行 ranking。

定義：

U(a_t\mid S_t,T) = w_E\hat{E} + w_C\hat{C} + w_U\hat{U} + w_F\hat{F} + w_A\hat{A} + w_D\hat{D} - w_K\hat{K} - w_L\hat{L} - w_R\hat{R}

其中：

$\hat{E}$ ：expected evidence gain；
$\hat{C}$ ：expected coverage gain；
$\hat{U}$ ：expected uncertainty reduction；
$\hat{F}$ ：freshness value；
$\hat{A}$ ：source authority / appropriateness；
$\hat{D}$ ：diversity gain；
$\hat{K}$ ：cost；
$\hat{L}$ ：latency；
$\hat{R}$ ：remaining execution / epistemic risk。

權重：

w_*

由 task 決定，而不是全域固定。

13. 多目標而不是單一分數

實務上，所有 objective 壓成一個 scalar 可能造成錯誤。

因此可以把 planner objective 表示成向量：

\mathbf{u}(a) = ( E, C, U, F, A, D, -K, -L, -R )

再使用：

lexicographic priority；
Pareto frontier；
constrained optimization；
task-specific scalarization；
rule + score hybrid。

例如 high-risk patent search 可以先要求：

C\ge C_{\min}

與：

E\ge E_{\min}

再在可行計畫中最小化 cost。

這比：

「便宜很多，所以 coverage 少一點也沒關係」

更符合專業搜尋。

14. Expected Evidence Gain

Candidate 數量不是 planner 最重要的 reward。

定義：

\Delta E(a_t) = \mathbb{E} [ Q_E(E_{t+1})-Q_E(E_t) \mid a_t ]

其中 $Q_E$ 是 evidence quality function。

Evidence gain 可以來自：

找到 primary source；
找到獨立 corroboration；
找到 contradiction；
找到 version history；
將來源身份解析清楚；
將 claim 與 source passage 建立對應。

因此：

100\text{ new URLs}

可能比：

1\text{ primary-source confirmation}

價值更低。

15. Coverage Gain

定義 coverage space：

\Omega_T

它可以依任務分解成：

terminology；
provider；
source type；
time；
jurisdiction；
language；
classification；
perspective；
entity；
evidence role。

已覆蓋集合：

\Omega_t^{\text{covered}}

則：

C_t = \frac{ \mu(\Omega_t^{\text{covered}}) }{ \mu(\Omega_T) }

在實際系統中 $\mu$ 不一定是真正 measure。

它可以是：

checklist coverage；
weighted category coverage；
graph-region coverage；
provider coverage；
domain-specific coverage rubric。

重要的是：

coverage 必須成為可觀察 state，而不是模型一句「應該差不多了」。

16. Uncertainty Reduction

定義：

U_t = \operatorname{Uncertainty}(S_t)

下一步搜尋的價值可以是：

\Delta U(a_t) = U_t-\mathbb{E}[U_{t+1}\mid a_t]

但是「不知道」至少要區分：

not searched
searched_not_found
provider_not_covered
contradicted
version_ambiguous
source_unverified
insufficient_evidence

因此：

\text{missing} \neq \text{false}

而：

\text{searched-not-found} \neq \text{globally absent}

這對 stopping 特別重要。

17. Value of Information

搜尋本質上是付出成本來改變資訊狀態。

因此可以借用 Value of Information 的一般思想：

\operatorname{VOI}(a_t) = \mathbb{E} [ V(S_{t+1})-V(S_t) \mid a_t ]

若：

\operatorname{VOI}(a_t) > \operatorname{Cost}(a_t)

則搜尋具有繼續價值。

但在 AUSI 中，Cost 不只金錢：

\operatorname{Cost} = C_{\text{money}} + C_{\text{time}} + C_{\text{compute}} + C_{\text{quota}} + C_{\text{risk}}

對某些 high-risk task，還需要將未搜尋的 residual risk 納入。

18. Search Graph 而不是固定 Pipeline

Planner 產生：

G_t^{\text{search}} = (V_t,E_t^G)

其中 node 可以是：

method action；
fusion；
verification；
branch；
guard；
stop。

Search Graph 可以一開始只有粗略 skeleton：

discover
  ↓
fuse
  ↓
verify
  ↓
stop?

執行後再動態展開。

這種：

\text{Plan} \rightarrow \text{Execute} \rightarrow \text{Observe} \rightarrow \text{Replan}

比一次產生 30 個固定 query 更適合 open-world search。

19. Planning Horizon

若每次都規劃到搜尋終點，可能產生：

計畫成本過高；
外部資訊很快使遠期計畫失效；
provider 可用性改變；
query branches 爆炸。

因此可以使用 receding horizon：

\pi_H(S_t) = (a_t,\ldots,a_{t+H})

只規劃有限 horizon $H$ 。

執行前幾步後重新估計。

這與 Model Predictive Control 類似，但本文只借用 bounded replanning 的思想，不主張 Search Planner 等同於控制系統。

20. Replanning Triggers

不必每一個 observation 都完整重新規劃。

可以定義 trigger：

\rho(S_t,O_t)\in\{0,1\}

例如以下狀況觸發：

new_entity_discovered
unexpected_contradiction
primary_source_found
provider_failed
coverage_gap_changed
budget_threshold_crossed
freshness_conflict
version_conflict
policy_state_changed
high-value branch emerged

這可以降低 planner overhead。

21. Method Selection 與 Provider Selection 分兩階段

Planner 可以先問：

現在需要什麼 epistemic effect？

例如：

g_{\text{verify}}

然後 Registry 找到：

\{ M_{\text{primary-source-resolve}}, M_{\text{cross-source-corroborate}}, M_{\text{version-check}} \}

再根據 provider capabilities 選擇：

P_j

因此：

\text{Need} \rightarrow \text{Method} \rightarrow \text{Provider}

通常比：

\text{Need} \rightarrow \text{Provider}

更可重用。

22. Provider Routing

若多個 provider 都支援同一方法，Planner 可以估計：

U(P_j\mid M_i,T,S_t)

考慮：

coverage；
authority；
freshness；
cost；
quota；
latency；
jurisdiction；
rights；
prior success；
duplicate-source risk。

Provider routing 因此本身也是 decision problem。

若首選 provider 失敗：

P_1 \xrightarrow{\text{fail}} P_2

但 fallback 必須保留 semantic equivalence。

不能把：

官方資料 API 失敗

直接 fallback 成：

LLM 自己回憶一個數字

然後仍標記為相同 evidence type。

23. Parallelization

什麼時候應該平行搜尋？

若兩個 action：

a_i,a_j

具有高資訊互補性：

\operatorname{Complement}(a_i,a_j)

且共享 dependency 少，可以 parallel。

例如：

M_{\text{lexical}} \parallel M_{\text{semantic}}

或：

M_{\text{official-source}} \parallel M_{\text{counter-evidence}}

但若 $a_j$ 高度依賴 $a_i$ 的結果，就不應平行。

因此可以估計：

\operatorname{ParallelScore} = \operatorname{Complementarity} - \operatorname{Dependency} - \operatorname{DuplicateCost}

24. Exploration–Exploitation

搜尋也存在 exploration / exploitation trade-off。

Exploitation：

對已知高價值來源深入取得更多證據。

Exploration：

尋找新的來源、術語、provider、分類與反向路徑。

如果只 exploitation，可能 method collapse。

如果只 exploration，可能成本爆炸。

可以定義：

a_t = \begin{cases} a_{\text{explore}}, & \text{coverage gaps high}\\ a_{\text{exploit}}, & \text{high-value branch unresolved} \end{cases}

也可以用 learned policy 或 bandit-style estimation。

本文不限定具體方法。

25. Counter-Evidence Scheduling

反證不應只是最後補一下。

定義當前 proposition set：

\mathcal{H}_t = \{h_1,\ldots,h_m\}

若某命題對最終結論影響很大：

\operatorname{Impact}(h_k)\gg 0

但目前只有支持證據：

E^+(h_k)\gg E^-(h_k)

Planner 可以增加 counter-search priority：

U_{\text{counter}}(h_k) \propto \operatorname{Impact}(h_k) \cdot \operatorname{Asymmetry}(E^+,E^-)

這不是假設每個命題都必須找到反證。

而是：

高影響且高度單邊的 evidence state 應觸發主動反證搜尋。

26. Source Diversity 與 Independence

多 provider 不等於多獨立來源。

例如十個新聞頁面都引用同一新聞稿。

因此 Planner 應考慮：

D_t = \operatorname{SourceIndependence}(E_t)

若新增結果只是同源轉載：

\Delta D\approx 0

則 utility 應降低。

這能避免：

數量很多，看起來就比較可信

的錯誤。

27. Temporal Planning

對 current-data task，搜尋順序與時間有關。

可以區分：

t_{\text{event}}

t_{\text{publication}}

t_{\text{revision}}

t_{\text{retrieval}}

Planner 若發現兩個數值不同，不能立即判定 contradiction。

可能只是：

\text{different vintage}

因此需要插入：

M_{\text{version-reconcile}}

而不是繼續 general web search。

28. Search Stopping

停止條件應至少包含三類。

28.1 Goal-Based Stop

A_T(S_t)=1

任務 acceptance criteria 已滿足。

28.2 Marginal-Value Stop

若所有可行非停止 action：

\max_{a\in\mathcal{A}_t^{\text{feasible}}\setminus\{\text{stop}\}} \operatorname{NetGain}(a) < \epsilon

則停止。

28.3 Forced Stop

例如：

budget exhausted；
legal/policy blocked；
rate limit；
provider unavailable；
human escalation required。

Forced stop 不代表 task success。

29. High-Risk Stopping Gate

對高風險搜尋，不能只看 marginal value。

定義 mandatory coverage set：

\Omega_T^{\text{must}}

若：

\Omega_T^{\text{must}} \not\subseteq \Omega_t^{\text{covered}}

則：

a_{\text{stop}}

可能被禁止，除非 stop reason 是：

blocked
unavailable
human_escalation

這對 prior-art、regulatory、safety-critical research 特別重要。

30. Planner 不應宣稱「全面搜完」

Open-world search 通常無法證明：

\Omega_t^{\text{covered}} = \Omega_{\text{world}}

因此 Search Receipt 應該說：

searched scope
covered providers
covered methods
covered languages
covered dates
known gaps
unavailable sources
policy-blocked regions
residual uncertainty

而不是：

已經搜尋全部網路。

這是 epistemic honesty 的架構要求。

31. Search Receipt 與 Planner Audit

Planner 每一步至少記錄：

r_t = ( S_t^{\text{summary}}, M_i, P_j, \theta_t, \Gamma_t, O_t, \Delta E_t, \Delta C_t, cost_t, status_t )

整個 Receipt：

\mathcal{R} = \{r_1,\ldots,r_n\} + \Sigma

其中 $\Sigma$ 是 stop / completion summary。

Receipt 不保存私人 Chain-of-Thought。

它保存：

外部搜尋行為與可審計決策資料。

32. Planner Architecture 不綁定 LLM

本文刻意不定義：

\pi=\text{LLM}

Planner 可以是：

32.1 Rule-Based

例如：

if official_current_data:
    official_api_first

優點：

deterministic；
easy to audit。

32.2 Optimization-Based

在明確 utility / constraints 下求解。

32.3 Learned Policy

從 Search Receipt 或 benchmark 學習。

32.4 LLM-Based Planner

利用語義理解與 flexible plan generation。

32.5 Hybrid Planner

例如：

LLM proposes plan
↓
typed validator
↓
policy gate
↓
optimizer / router
↓
runtime execution

本文認為 Hybrid 在近期工程上特別合理，因為 LLM 適合 task interpretation 與 method proposal，而 deterministic validators 適合守住 hard constraints。

33. Planner Proposal 與 Execution Authority 分離

即使 AI Planner 建議：

a_t

也不代表它可以直接執行。

可以定義：

\operatorname{Propose}(a_t)

與：

\operatorname{Authorize}(a_t)

分離。

因此：

\text{Planning Capability} \neq \text{Execution Authority}

例如：

public read-only API 可自動執行；
付費昂貴 provider 需要 budget gate；
私人企業資料需要 data-policy gate；
可能觸發外部副作用的工具需要額外 authority。

34. Composition-Level Planning

Paper 02 定義：

M_a\triangleright M_b

M_a\parallel M_b

M_a\oplus M_b

M^*_{\sigma}

Planner 不只選單一步驟，也可以選 macro-plan。

例如：

\pi(S_t) = M_{\text{diverge}} \triangleright ( M_{\text{lexical}} \parallel M_{\text{semantic}} ) \triangleright M_{\text{fusion}}

Macro 可以降低 action-space complexity。

但是 macro 必須可以被 runtime 展開與 audit。

35. Hierarchical Planning

因此可以引入兩層：

\pi_{\text{high}} : T,S_t \rightarrow \text{Search Strategy}

\pi_{\text{low}} : \text{Strategy},S_t \rightarrow (M_i,P_j,\theta_t)

例如：

High-level：

high-recall discovery
→ evidence verification
→ counter-search

Low-level：

CPC expansion
→ EPO lexical search
→ semantic patent provider
→ family normalization

這與 Hierarchical RL 有概念上的相似性，但本文不限定訓練方式。

36. Planner Memory

Planner 需要的記憶不是完整對話。

至少可以拆成：

36.1 Task Memory

本輪目標與 constraint。

36.2 Search State Memory

已執行哪些方法與 query。

36.3 Evidence Memory

哪些候選已進入 evidence ledger。

36.4 Provider Memory

quota、failure、latency、coverage observation。

36.5 Strategy Memory

哪些 branch 已失敗、哪些仍未探索。

這些皆可被結構化。

37. Domain Example A：經濟研究

任務：

找某國某指標最新官方值並比較最近五次 historical revision。

Task Interpreter：

goal = authoritative structured data
freshness = latest
versioning = mandatory
coverage = narrow
risk = medium

Planner：

M_{\text{series-resolve}} \triangleright M_{\text{official-provider-route}} \triangleright M_{\text{structured-retrieve}}

接著：

M_{\text{vintage-retrieve}} \triangleright M_{\text{version-reconcile}}

若 series identity 有歧義，才新增：

M_{\text{metadata-search}}

不應一開始大量 general Web Search。

38. Domain Example B：氣象研究

任務：

取得特定地點過去 30 年每日降雨觀測。

Planner 可能先：

M_{\text{spatial-resolve}} \triangleright M_{\text{station-discovery}}

再判斷 station coverage。

若 missingness 過高：

M_{\text{alternate-station}} \parallel M_{\text{alternate-dataset}}

再：

M_{\text{temporal-filter}} \triangleright M_{\text{structured-acquisition}} \triangleright M_{\text{quality-metadata}}

此任務的主要瓶頸可能不是 query quality，而是：

station identity；
observation continuity；
metadata；
missing data；
dataset version。

39. Domain Example C：Patent Prior-Art Search

任務：

對一項新軟體功能做高覆蓋率 prior-art discovery。

Task profile：

recall = high
coverage = broad
jurisdiction = multi
language = multi
classification = required
citation = required
stopping = conservative

Planner 初始圖：

M_{\text{feature-decompose}} \triangleright ( M_{\text{term-expand}} \parallel M_{\text{classification-expand}} \parallel M_{\text{semantic-discovery}} )

候選融合後：

M_{\text{family-resolve}} \triangleright M_{\text{priority-date}}

對 high-value seed：

M_{\text{backward-citation}} \parallel M_{\text{forward-citation}}

coverage gap 若顯示某語言 / classification 未覆蓋：

M_{\text{gap-directed-search}}

最後生成：

coverage map
search receipt
candidate prior art
family map
unsearched regions
residual uncertainty

而不是宣稱：

AI 已證明沒有其他專利。

40. Domain Example D：學術研究

任務：

建立某研究問題主要理論、支持與反對文獻。

Planner：

M_{\text{concept-diverge}} \triangleright ( M_{\text{lexical}} \parallel M_{\text{semantic}} \parallel M_{\text{academic-provider-search}} )

取得 seeds 後：

M_{\text{citation-expand}}^*

但若 citation expansion 只集中於同一研究群：

M_{\text{source-diversify}}

若支持遠多於反對：

M_{\text{counter-evidence}}

若近期研究尚未累積 citation：

M_{\text{recent-date-search}}

因此 Planner 可以針對 method bias 主動補洞。

41. Planner Failure Modes

41.1 Method Collapse

幾乎總是選同一方法。

41.2 Provider Collapse

多 provider 架構最後只用一個。

41.3 Plan Hallucination

產生 provider 不支援的 method / parameter。

41.4 Invalid Composition

前一方法輸出無法成為下一方法輸入。

41.5 Budget Blindness

忽略 quota、token、API cost、latency。

41.6 Endless Search

無 stopping policy。

41.7 Premature Stop

找到一個合理答案就停止，但 mandatory coverage 尚未滿足。

41.8 Confirmation Planning

只產生支持當前結論的 search branch。

41.9 Coverage Theater

執行大量近似 query，卻錯誤認為 coverage 很高。

41.10 Evidence Blindness

Planner 最佳化 result count，不最佳化 evidence quality。

41.11 Policy Blindness

先決定最佳 action，再忽略它其實不允許執行。

41.12 Replanning Thrash

每取得一個小 observation 就完全重建 plan，造成 planner overhead 與策略不穩定。

42. Safety 與合法性不是後處理

對 Search Planner 最重要的治理原則之一是：

\text{Allowed Search Space} \subseteq \text{Technically Possible Search Space}

因此 future runtime 應：

candidate action
↓
capability validation
↓
policy / rights validation
↓
resource validation
↓
utility ranking
↓
execution

而不是：

best action
↓
execute
↓
later check whether it was allowed

這也將直接連接 Paper 04。

43. Planner Benchmark

為驗證 AI Search Planner，需要與多種 baseline 比較。

B0 — Single Search

固定 provider + 單 query。

B1 — Query Expansion

LLM 產生多個 query，但方法與 provider 固定。

B2 — Multi-Tool Agent

AI 可自由選工具，但沒有 Method Ontology / hard planner state。

B3 — Static Search Graph

人工預先定義完整 pipeline。

Proposed — Dynamic Method-Aware Planner

具備：

Task Interpreter；
Search State；
Method Registry；
Provider Router；
Constraint Gate；
Evidence / Coverage State；
Replanning；
Stopping；
Receipt。

44. Benchmark Metrics

不能只測 final answer accuracy。

至少應測：

\text{Task Success}

\text{Plan Validity}

\text{Evidence Quality}

\text{Coverage}

\text{Contradiction Discovery}

\text{Source Independence}

\text{Freshness Correctness}

\text{Provider Substitution Success}

\text{Cost}

\text{Latency}

\text{Stopping Quality}

\text{Policy Violation Rate}

\text{Unsupported Claim Rate}

尤其：

\text{Cost per Verified Finding}

可能比：

\text{queries executed}

更有意義。

45. Ablation Experiments

可以依序移除：

Method Ontology；
Provider separation；
evidence state；
coverage state；
counter-search；
hard policy gate；
dynamic replanning；
stopping policy。

觀察：

\Delta \text{performance}

這才能知道真正有效的是哪一層。

46. 初步研究命題

P3.1 — Method-Aware Planning Hypothesis

在具有多種異質搜尋能力的任務中，顯式 Method Ontology 應能提高可執行 Search Plan 的比例。

P3.2 — Evidence-Aware Planning Hypothesis

若 planner 的 state 包含 evidence quality，而非只包含 retrieved candidates，則其後續行動更可能提升 verified finding quality。

P3.3 — Coverage-Aware Planning Hypothesis

對高 recall 任務，顯式 coverage map 應降低過早停止與 method collapse。

P3.4 — Dynamic Replanning Hypothesis

在中間 observation 會顯著改變 task state 的任務上，receding-horizon / dynamic replanning 應優於完全 static pipeline。

P3.5 — Hard-Gate Hypothesis

將 legality / permission / privacy 等條件實作成 action-space hard constraints，比將其作為 utility penalty 更能避免 policy-invalid search plan。

P3.6 — Counter-Evidence Scheduling Hypothesis

對 hypothesis-driven research，依 proposition impact 與 evidence asymmetry 動態排程 counter-search，應能提高 contradiction discovery rate。

P3.7 — Explicit Stopping Hypothesis

將 stopping 建模為 planner action，並使用 acceptance + marginal-value + forced-stop 三類條件，應能降低 endless search 與 premature stop。

47. Search Planner 的最小介面

Reference runtime 可以先提供：

interpret_task(task)
build_initial_state(task)
enumerate_feasible_actions(state)
score_actions(state, actions)
propose_plan(state, horizon)
validate_plan(plan)
execute_step(step)
update_state(observation)
should_replan(state, observation)
evaluate_stop(state)
emit_receipt(state)

這些介面並不要求 planner 是 LLM。

48. 對 `ai-web-research` 的工程含義

現有 search / crawler / research capabilities 可以保留。

但長期 architecture 應新增：

planning/
    task.py
    interpreter.py
    state.py
    action.py
    feasibility.py
    utility.py
    planner.py
    replanner.py
    stopping.py
    receipt.py

search_methods/
    spec.py
    registry.py
    composition.py

providers/
    registry.py
    policy.py

執行路徑：

Task
↓
Task Interpreter
↓
Search State
↓
Method Candidates
↓
Provider Candidates
↓
Hard Constraint Gate
↓
Search Planner
↓
Search Graph
↓
Executor
↓
Observation
↓
Evidence / Coverage Update
↓
Replan or Stop

這應比直接把更多 API 一個個塞進 research.py 更可持續。

49. 與 MCP / Tool Protocol 的關係

MCP 或其他 tool protocol 可以暴露：

provider capabilities；
Search Methods；
executor；
evidence fetch；
metadata resolution。

但是：

\text{Tool Protocol} \neq \text{Search Planner}

Planner 可以透過 MCP 呼叫能力。

MCP 不應決定：

何時需要 citation search；
何時需要反證；
何時 provider coverage 不足；
何時停止。

這些屬於 Search Intelligence layer。

50. Planner 與 Domain Pack

通用 planner 不可能自己知道所有專業搜尋規則。

因此 Domain Pack 可以提供：

task templates
mandatory methods
preferred providers
coverage schema
risk rules
verification rules
stopping gates

例如 Patent Domain Pack 可規定：

prior_art:
    classification_search = mandatory
    family_resolution = mandatory
    priority_date_check = mandatory
    coverage_report = mandatory

Planner 再在 domain constraints 內自主選擇。

因此：

\text{Autonomy} = \text{choice within explicit domain constraints}

而不是毫無邊界。

51. Planner 的學習

初期可以 rule + LLM。

隨 Search Receipt 累積：

\mathcal{D} = \{ (T,S_t,a_t,O_t,\Delta E,\Delta C,cost) \}

可以訓練：

\hat{U}(a\mid T,S)

或：

\pi(a\mid T,S)

但 learned policy 不能取代 hard validator。

因此未來可能是：

\pi_{\text{learned}} \rightarrow \operatorname{Validate} \rightarrow \operatorname{Authorize} \rightarrow \operatorname{Execute}

52. Optimal 不代表全域最佳

本文使用 Search Plan Optimization，但需要避免誤解。

對 open-world search：

action space 很大；
provider state 會變；
結果可能 stochastic；
coverage 未知；
世界資訊持續更新；
utility 難以精確估計。

因此：

\pi^*

通常不可精確求得。

實際目標更合理地寫成：

\hat{\pi} = \operatorname{GoodEnoughPlan} ( T,S_t,B_t,\text{constraints} )

也就是：

在有限資源與明確約束下，產生可驗證、可審計、可逐步改善的搜尋策略。

53. 限制

第一，本文的 utility components 尚未給出跨領域通用估計器；不同 domain 必須採用不同 proxy。

第二，coverage 在 open-world search 中無法完全觀察，因此本文的 coverage map 只能作為 operational approximation。

第三，POMDP 是有用的理論參照，但對大規模 Web / multi-provider search，完整求解通常不切實際。

第四，LLM-based planner 仍可能產生無效 method、錯誤 parameter 或不穩定 Search Graph，因此 typed validation 與 runtime checks 仍必要。

第五，本文沒有證明 parallel search 一定降低總 latency；provider quota、shared bottleneck 與 duplicated retrieval 可能使平行化反而更差。

第六，stopping 的「足夠」高度 task-dependent。高風險法律、專利或科研任務不能沿用一般 QA 的 stopping threshold。

第七，本文尚未完整定義 legal / rights / access policy model。這是下一篇的主要工作。

54. 結論

AI 搜尋真正困難的部分，不只是取得資訊。

當系統同時具有：

lexical search；
semantic search；
classification search；
citation search；
graph search；
structured APIs；
crawlers；
multiple Web providers；
domain databases；
verification tools；

真正的智能問題變成：

下一步應做什麼？

本文因此將 AI Search Planner 建模為：

\boxed{ \pi: (T,S_t,\mathcal{M},\mathcal{P}) \rightarrow a_t }

其中：

a_t = (M_i,P_j,\theta_t,\Gamma_t)

且所有非停止 action 必須先滿足：

\operatorname{Pre} \land \operatorname{Capability} \land \operatorname{Allowed}

再以：

\text{Evidence Gain} + \text{Coverage Gain} + \text{Uncertainty Reduction} + \text{Freshness} + \text{Authority} + \text{Diversity} - \text{Cost} - \text{Latency} - \text{Risk}

進行 task-conditioned evaluation。

完整 Search Intelligence 因而變成：

\boxed{ \text{Task} \rightarrow \text{Interpret} \rightarrow \text{Plan} \rightarrow \text{Search} \rightarrow \text{Observe} \rightarrow \text{Update} \rightarrow \text{Replan} \rightarrow \text{Verify} \rightarrow \text{Stop} }

這個 loop 的關鍵不是讓 AI 無限制自主，而是讓 AI 在：

明確方法空間；
明確 provider 能力；
明確合法與政策 boundary；
明確 evidence state；
明確資源 budget；
明確 stopping condition；

之內自主規劃。

Paper 01 定義了 AI-Native Search。

Paper 02 定義了 AI 可以操作的 Search Method Space。

Paper 03 則第一次回答：

AI 如何在這個空間中行動。

下一步將進入整個系列不可省略的治理地基：

Paper 04 — 合法資料取得與來源治理：AI 搜尋中的授權、條款、資料權利與 Policy-Constrained Acquisition

因為從 Planner 開始能自主選擇 provider 之後，下一個不能逃避的問題就是：

\text{Can retrieve} \not\Rightarrow \text{May retrieve}

References

[1] Bates, M. J. (1979). Information Search Tactics. Journal of the American Society for Information Science, 30(4), 205–214. DOI: 10.1002/asi.4630300406.

[2] Bates, M. J. (1989). The Design of Browsing and Berrypicking Techniques for the Online Search Interface. Online Review, 13(5), 407–424.

[3] Boldi, P., Bonchi, F., Castillo, C., Donato, D., Gionis, A., & Vigna, S. (2011). Query Reformulation Mining: Models, Patterns, and Applications. Information Retrieval, 14, 257–289. DOI: 10.1007/s10791-010-9155-3.

[4] Luo, J., Zhang, S., Dong, X., & Yang, H. (2015). Designing States, Actions, and Rewards for Using POMDP in Session Search. Advances in Information Retrieval, ECIR 2015, 526–537. DOI: 10.1007/978-3-319-16354-3_58.

[5] Luo, J., Dong, X., & Yang, H. (2015). Session Search by Direct Policy Learning. Proceedings of ICTIR 2015, 261–270. DOI: 10.1145/2808194.2809461.

[6] Luo, J., Dong, X., & Yang, H. (2015). Learning to Reinforce Search Effectiveness. Proceedings of ICTIR 2015, 271–280.

[7] Yang, G. H., Dong, X., Luo, J., & Zhang, S. (2018). Session Search Modeling by Partially Observable Markov Decision Process. Information Retrieval Journal, 21(1), 56–80. DOI: 10.1007/s10791-017-9316-8.

[8] Avriel, M., & Williams, A. C. (1970). The Value of Information and Stochastic Programming. Operations Research, 18(5), 947–954. DOI: 10.1287/opre.18.5.947.

[9] Morehead, D. R., Pejtersen, A. M., & Rouse, W. B. (1984). The Value of Information and Computer-Aided Information Seeking: Problem Formulation and Application to Fiction Retrieval. Information Processing & Management, 20(5–6), 583–601. DOI: 10.1016/0306-4573(84)90075-X.

[10] Li, X., Dong, G., Jin, J., Zhang, Y., Zhou, Y., Zhu, Y., Zhang, P., & Dou, Z. (2025). Search-o1: Agentic Search-Enhanced Large Reasoning Models. Proceedings of EMNLP 2025, 5420–5438. DOI: 10.18653/v1/2025.emnlp-main.276.

[11] Li, X., Jin, J., Dong, G., Qian, H., Wu, Y., Wen, J.-R., Zhu, Y., & Dou, Z. (2025). WebThinker: Empowering Large Reasoning Models with Deep Research Capability. Advances in Neural Information Processing Systems 38. DOI: 10.52202/085713-4011.

[12] Lewis, P., Perez, E., Piktus, A., et al. (2020). Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks. Advances in Neural Information Processing Systems 33. arXiv:2005.11401.

[13] Yao, S., Zhao, J., Yu, D., et al. (2023). ReAct: Synergizing Reasoning and Acting in Language Models. International Conference on Learning Representations. arXiv:2210.03629.

[14] Singh, A., Ehtesham, A., Kumar, S., Khoei, T. T., & Vasilakos, A. V. (2025/2026). Agentic Retrieval-Augmented Generation: A Survey on Agentic RAG. arXiv:2501.09136.

[15] Xi, Y., Lin, J., Xiao, Y., et al. (2025). A Survey of LLM-based Deep Search Agents: Paradigm, Optimization, Evaluation, and Challenges. arXiv:2508.05668.

Series Continuation