INSIGHT高保真因果状态比堆积轨迹更重要：任务必须让早期动作约束后续步骤，并按数据库最终状态而非截图评分。对搜索 Agent，可把查询、筛选、打开结果、跨页验证做成可复位的深层任务，再围绕日期筛选或嵌套过滤等薄弱控件构造专项世界，形成可持续的训练闭环。

INSIGHT技能库不应是 RL 之外的离线摘要步骤，而应与任务策略共同优化，并把技能质量的信用延迟到后续任务验证。搜索业务可按意图族组织连续任务，让 Agent 在每次查询后提炼“改写、工具选择、停止条件”等技能，再以未来相关查询的收益反向评价，减少重复探索和流水线开销。

INSIGHT多 Agent 搜索中，检索结果、用户偏好和中间结论不能一写入就成为后续工具调用的事实。可借鉴数据库事务：先暂存证据，验证权限与新鲜度后提交；对下单、发帖、改配置等不可逆动作设置提交门，并保留依赖图，使错误来源被撤销时能定位并修复所有派生结论。

INSIGHT长期 Agent 记忆的瓶颈不是容量，而是能否把经历压缩成可组合、可加权、会淘汰的抽象知识。搜索系统可分别保存可执行技能与失败反思，用当前任务增益和对未来技能生成的贡献共同定权；只合并语义与功能都接近的条目，避免技能库因反复改写而失去适用边界。

INSIGHTAgent 评测应同时衡量交付质量、耗时、成本和任务经济价值，不能只看平均成功率；得分最高的模型不一定完成了最值钱的任务。搜索实践可为复杂调研或内容运营任务建立可执行验收项，并加入破坏性修改扣分、结果可用性门槛和价值加权，避免低成本掩盖低质量。

INSIGHTAgent 基准测到的是“模型＋上下文管理＋工具框架”，错误的历史保留策略会把系统缺陷误判为模型能力不足。多轮搜索应持久化计划、已验证事实和失败查询，并在接近窗口上限时做结构化压缩，而不是简单丢弃最早轮次；这往往比更换大模型更便宜、也更可复现。

INSIGHT可审计文本记忆加“必要时不行动”的策略，比让生成模型无条件改写更稳健。该设计可迁移到查询改写：在线轻量决策器先判断是否需要改写，离线优化器仅在留出流量指标严格提升时更新规则文件，并按领域隔离记忆，从机制上限制过度改写损伤原本正确的查询。

INSIGHT记忆价值取决于它对未来答案的边际贡献，也取决于其他记忆是否已经提供同类信息；单条相关性分数容易保留冗余。社区搜索 Agent 可对历史查询、点击证据和工具输出做近似 Shapley 估值，优先保存不可替代的高贡献记录，并把质量、延迟、上下文 token 三项放在同一面板持续审计。

INSIGHT生成式搜索隐藏了探索、比较和综合过程，会让用户高估召回完整性，尤其在空结果和长尾 UGC 场景中形成错误确信。产品应显式展示检索范围、候选缺口与证据覆盖度，提供一键改写、扩大范围、查看原文和交叉验证入口，并把用户是否验证来源纳入交互评测。