LLM Search
可以先理解为:让模型用透明开发者工具检索而非隐藏RAG
让模型像开发者一样自己搜文件,而且你能看到它怎么搜。
关键结构图
用自己的话表达讲给别人听卡住补理解
重新讲一遍
中心节点写「LLM Search」,周围连接 Tool granularity、source-of-truth loop、Grounding,用细线表示相邻路径和调用方向。
What
LLM Search 是 agent 检索方法:让模型调用 rg、jq、find 等透明开发者工具检索代码和文件,让检索过程可见、可复查、可调试。
When
当你要把「AI 评估」从想法推进到可检查的动作时,可以调用「LLM Search」。
How
这块砖支撑 source-of-truth loop:检索过程透明,模型的依据才能被人类追踪和纠偏。
Examples
在验收一个 Agent 或 AI 功能是否真的可交付时,你可以用「LLM Search」标记其中最需要被看见的结构,再检查它提供了什么证据、边界或行动方向。
在整理「AI 评估」主题时,把「LLM Search」和「Tool granularity」放在同一路径里,可以帮助读者从单点概念走向可复用的判断框架。
来源
类型:评估实践 / 方法整理
事实线:这张卡把「LLM Search」整理为实践方法: LLM Search 是 agent 检索方法:让模型调用 rg、jq、find 等透明开发者工具检索代码和文件,让检索过程可见、可复查、可调试。
依据:1000 Bricks 本地砖块库的概念定义、相邻砖块关系和AI 评估、质量验证和交付验收讨论。
边界:适用于「AI 评估、验证门、回归检查和质量证据」主题下的理解、复盘和设计判断;不等于行业统一标准或对所有场景都成立的结论。
常见误读:不要把它当作某篇材料的原文摘要,也不要因为概念名清晰就忽略具体情境和验证证据。