搜索的本质不仅仅是找到那个唯一的答案，而是缩小不确定性。 

引言
我们输入一个查询，期待的是：在海量信息里，找到那个能让我们从不知道变成知道的片段。但答案并非是孤立存在的，有些场景下并不是靠检索就能直接找到的。 
传统搜索引擎给你的是图上得分最高的几个节点。但相关性是局部的，而理解是全局的。有些有价值的洞察往往不在节点里，而在节点之间的边上：这两件事为什么相关？这个结论是怎么从那个前提推导出来的？这个问题在什么时候用什么方式解决了？ 
当 Agent 开始承担真实的调研任务，这个问题变得更加尖锐。 
人类在搜索时会自然地顺藤摸瓜,看到一个引用就跟进去，发现一个关联就展开探索。但 Agent 的搜索行为是扁平的：输入查询，拿回片段，生成回答。 
这是我在构建 OpenClaw search-layer skill 时反复碰到的问题。多源并行搜索解决了覆盖度，意图感知评分解决了相关性，但有...