INSIGHT社区搜索可以把 query 改写、召回、重排和证据查看统一为工具轨迹，优先用 PEFT 和自举数据做小步迭代，而不是一开始训练大模型。落地时应同时保留通用工具测试集，避免只优化少数搜索模板导致 Agent 在真实 UGC 查询上的泛化能力下降。

INSIGHT搜索 Agent 的线上目标不应只有 nDCG、答案正确率，还应记录搜索轮数、候选文档数、Token、延迟和失败重试成本。可以把短文本 UGC 搜索拆成低成本首轮召回、按不确定性触发扩展、证据不足才继续检索的策略，并用动态工具故障和流量峰值压测重规划能力。

INSIGHT在社区搜索中，评测集应加入歧义短 query、内容下架、召回为空、工具超时、用户改写和证据互相矛盾等情形。把一次成功回答拆成检索决策、证据覆盖、停止判断和恢复动作四类指标，才能区分模型聪明与系统偶然命中。

INSIGHT搜索结果页和 UGC 内容都应被视为不可信输入，不能让页面指令无条件改变 Agent 的预算和工具权限。生产系统需要设置步数、Token、单域名访问和重试上限，并监控成功率不变但成本飙升的异常；可把成本攻击样本加入安全回归集。

INSIGHT对社区搜索可采用分阶段编排：先判断 query 是否需要深搜，再规划子问题和数据源，最后生成带证据的结果。搜索产品应保留中间查询、工具参数和证据链，让线上 nDCG/CTR 之外还能定位是意图理解、召回覆盖还是最终综合出了问题。

INSIGHT社区搜索 Agent 的验证也应从模型分数延伸到业务闭环，例如有效搜索率、人工改写率、处理时长和用户后续点击。先选择高频、可审计的知识任务做小范围试点，再逐步开放多步工具调用，可降低 UGC 噪声和错误答案对用户体验的影响。

INSIGHT搜索 Agent 的工具权限、网页访问和数据读写应采用最小权限与可撤销策略，并将提示注入、越权调用、敏感信息泄露纳入回归评测。对 UGC 平台尤其要区分内容理解权限和执行权限，避免一条恶意帖子同时影响检索、决策和外部操作。

INSIGHT社区搜索 Agent 可以把证据覆盖、敏感内容过滤、查询预算和最终回答之间的先后关系写成可执行监控规则。这样能把线上策略从难以解释的总分约束，转为可定位的过程约束，并为多步检索的奖励塑形和异常回放提供统一接口。

INSIGHT对复杂 UGC 搜索，可以把用户的真实目标、已获得证据和未解决子问题显式维护在状态中，再决定是否继续搜索或结束。实践时应先用规则和可观测状态约束目标漂移，避免把不透明的动机推理直接接入线上排序链路。