一句话定义：搜索后综合（Post-Search Synthesis）指的是智能体检索到多份资料之后，把这些材料筛选、比对、消解冲突，最终组织成一份连贯答案的过程。检索（retrieval）负责把材料抱回来，综合负责把材料变成判断。
打个比方。让实习生查一件事，他抱回一摞打印件，只算完成一半。真正难的是：哪几份可信，两份材料的数字对不上听谁的，有没有互相抄的二手信息，最后怎么用一页纸说清楚。检索是体力活，综合是判断力活。
为什么难。
- 冲突消解：来源之间常有矛盾，原因可能是口径、时间或适用场景不同，得判断，不能简单取多数。
- 覆盖与取舍：漏掉关键来源，结论就偏；什么都往里塞，答案又没重点。
- 归因：每句结论要能指回具体来源，否则读者无从核查。
- 长上下文：材料一起塞进上下文后，中间部分容易被忽略，靠后的证据常常白捡。
- 组织与呈现：读者要的是有结构的判断，不是把几段摘要首尾拼起来。
和相邻概念的区别。检索是"找出来"；AI 词典：检索增强生成">检索增强生成（RAG，Retrieval-Augmented Generation）是"找出来再拼进提示词生成"。RAG 本身也包含综合，只是实践中常被简化成"片段堆叠"。搜索后综合强调的是多来源、多轮次、要消解冲突、要给出带引用的结构化判断。
| 环节 | 主要动作 | 交付物 |
|---|---|---|
| 检索 | 找出相关片段 | 一串文档 |
| 简化的 RAG | 片段拼进上下文直接生成 | 一段答案 |
| 搜索后综合 | 比对、消解冲突、结构化 | 带引用、带判断的结论 |
怎么评测它。公开基准大致从三个角度切：答案对不对（与参考答案比对，用模型当裁判或人工打分）、覆盖全不全（关键点命中率）、引用实不实（每个论断能否被给出的来源支撑）。难点在于综合类任务常常没有唯一正确答案，开放式写作很难自动打分，所以不少基准退回到有明确事实答案的短问答，反而测不到真正的冲突消解与组织能力。看结果时要留意题目形式是不是真在测这一环，具体口径以官方页面为准。
对从业者的意义。优化别只盯召回率，检索质量再高，综合垮了答案照样不能用。值得投入的是流程：先把问题拆成子问题，分批检索，把证据单独记下来再做综合，并明确要求模型标出冲突和不确定。
对普通人的意义。看 AI 给的带引用报告，别只看结论顺不顺。抽查一两句，点开来源确认它是否真的支撑那句话，尤其注意它有没有把互相打架的材料悄悄抹平。