OPPO 发布 OAgents：一个模块化、可复现的基础智能体框架

随着“智能体（Agentic AI）”成为 AI 发展的重要方向，各类框架层出不穷。然而，当前研究普遍存在评估标准不一、实现细节不透明、结果难以复现等问题，导致不同系统之间缺乏公平比较的基础。

为应对这一挑战，OPPO 研究团队开展了一项系统性研究，聚焦于智能体框架中的关键设计选择。基于在 GAIA 和 BrowseComp 两大权威基准上的实证分析，团队提出了一套稳健的评估协议，识别出影响智能体性能的核心组件，并在此基础上开发并开源了 OAgents —— 一个模块化、高性能的基础智能体框架。

• GitHub：https://github.com/OPPO-PersonalAI/OAgents

OAgents 在多个基准测试中实现了开源项目中的最优性能，旨在为智能体 AI 的可复现研究与技术演进提供可靠基础。

为什么需要 OAgents？

当前的智能体研究常陷入“黑箱式创新”：新方法宣称性能提升，但缺乏对组件作用的消融分析，也未统一评估流程。这使得：

• 难以判断性能提升来自架构创新还是调参技巧；
• 不同框架间无法横向对比；
• 社区难以在其基础上迭代。

OAgents 的目标不是追求短期榜单领先，而是构建一个可分析、可扩展、可复现的实验平台。它从底层设计上支持对规划、记忆、工具使用等模块的独立替换与评估，推动智能体研究从“拼装式创新”走向“科学化演进”。

核心设计：我们改了什么？

在构建 OAgents 的过程中，团队对现有智能体范式进行了多项关键修改，以提升系统性能与研究可解释性。

🔄 架构重构：模块化与可配置性

我们重新设计了智能体的核心组件，使其高度模块化：

• 内存系统：支持短期记忆、长期记忆、记忆总结与向量化检索，可根据任务需求灵活组合。
• 规划引擎：支持多种规划策略（如 ReAct、Tree-of-Thought、Iterative Planning），并能根据任务复杂度动态调整计划粒度。

这种设计允许研究者系统性地评估不同架构对性能的影响，而非整体替换。

🛠️ 工具优化：增强外部知识利用能力

我们重点优化了“搜索智能体”模块，提升其信息获取与处理能力：

• 多源检索：集成 Google、Bing、Wayback Machine 等多个搜索引擎，提升信息覆盖广度；
• 查询优化：通过语义重写与关键词提取，提升检索精度；
• 极简浏览架构：仅提取网页关键内容，减少噪声干扰，提升解析效率。

这些改进显著增强了智能体在开放域任务中的表现。

⏱️ 测试时扩展（Test-Time Scaling）：提升推理鲁棒性

为减少单次推理的随机性与错误，我们引入多种测试时优化策略：

• 重复推理：对同一任务多次生成响应；
• 多数投票：对结构化输出（如分类、选择）进行投票决策；
• 一致性过滤：仅保留多次推理中一致的结果。

这些策略在不改变模型参数的前提下，有效提升了决策的稳定性与准确性。

主要功能

工作原理：智能体如何工作？

OAgents 的执行流程如下：

1. 输入解析：接收多模态任务指令，提取语义表示；
2. 任务规划：根据任务复杂度生成初始计划，必要时进行子任务分解；
3. 工具调用：根据计划调用搜索、计算、代码执行等工具；
4. 记忆管理：将关键信息存入短期或长期记忆，支持后续检索；
5. 迭代执行：根据工具反馈更新状态，必要时调整计划；
6. 测试时优化：对关键决策进行多次推理与结果聚合，提升最终输出质量。

整个流程支持高度可配置，便于研究不同策略的组合效果。

实验结果：在标准基准上验证有效性

我们在两个权威基准上评估了 OAgents 的性能：

1. GAIA 基准（复杂任务推理）

GAIA 包含 135 个需多步推理、工具调用和信息整合的真实任务。

Pass@3：三次尝试中至少一次成功即计为通过

OAgents 在 GPT-4 上实现了当前开源框架中的最佳表现，验证了其系统设计的有效性。

2. BrowseComp 基准（网页浏览任务）

该任务要求智能体通过浏览网页完成指定操作。

OAgents 将性能提升了近 4.7 倍，显著优于基线框架，表明其在信息检索与网页交互方面的优势。

应用场景

OAgents 适用于需要长期记忆、复杂规划、多工具协同的场景：

• 自动化信息调研：如为某行业收集所有上市公司数据；
• 智能客服与助手：处理需多轮查询与决策的用户请求；
• 多模态内容理解：结合图像、语音与文本进行综合判断；
• 动态环境决策：在任务执行中根据反馈实时调整策略。