Mistral的智能搜索：复杂文档查询的新时代
构建AI系统的企业常常遇到障碍：他们最有价值的数据——财务报告、法律合同、政府记录——被锁定在冗长复杂的文档中。传统的检索增强生成（RAG）方法，抓取固定的文本块，难以处理这些复杂的文件和跨来源比较。它们缺乏推理和迭代的能力，使AI模型只能得到零散的答案。
Mistral AI推出了其Agentic Search的升级版本，引入了多步骤检索循环，突破了这些限制。结果如何？在处理企业级复杂文档查询方面取得了显著飞跃，在基准测试中准确率飙升至86%。
从机械检索到主动推理
传统RAG的核心弱点是检索而不推理，且不迭代。模型必须根据最初找到的文本进行回答，常常错过全局。Agentic Search通过为模型提供五个核心工具改变了游戏规则，类似于常见的文件系统操作：
- 搜索：在整个语料库中查找相关的初始文档。
- 打开：准确打开特定的目标文档。
- 导航：直接移动到文档中的特定页面、章节或区域。
- 读取：检索并获取目标位置的内容。
- Grep：在打开的文档中搜索特定模式。
有了这套工具，模型不再受传统分块粒度的限制。它可以在回答前主动检查检索到的内容，优化搜索策略，深入挖掘底层证据，甚至跨多个文档进行比较和验证。这意味着检索质量随着模型自身的推理能力而提高——这是从机械检索到主动推理的真正转变。
实际性能提升
Agentic Search在行业基准测试中证明了其价值，展示了实际能力和数据可扩展性。
在FinanceBench测试中，涉及368个复杂的SEC文件，平均每个约147页，仅引入搜索循环就将准确率提高了约三倍。添加完整的导航工具链后，准确率提升至86%，p90延迟显著下降，令牌消耗减少多达三分之一。对于需要从密集文件中获取精确答案的金融分析师来说，这是一个改变游戏规则的功能。
然后是OfficeQA Pro测试，这是一个具有挑战性的基准，包含696个扫描的、表格密集的政府财务PDF。完全闭环的代理搜索使模型在准确率上取得了突破，展示了其处理深层表格和结构化数值查询的能力。考虑到扫描文档质量差和从表格中提取数据的复杂性，这尤其令人印象深刻。
灵活部署满足企业需求
Agentic Search不仅关乎性能，还关乎灵活性。它可以适应云和本地部署需求，无论是嵌入Studio和Vibe中的Libraries，还是通过Mistral Search Toolkit集成到客户构建的工作流中。这为希望释放敏感领域数据价值并构建高精度检索系统的企业提供了强大的基础支持。
关键要点
- Agentic Search引入了多步骤检索循环，超越了传统RAG的局限。
- 五个核心工具（搜索、打开、导航、读取、grep）实现主动推理和跨文档验证。
- FinanceBench准确率在完整工具链下跃升至86%，延迟和令牌使用量降低。
- OfficeQA Pro在扫描的、表格密集的政府PDF上取得了突破性准确率。
- 灵活部署选项支持云和本地环境。
Mistral的Agentic Search不仅仅是一次升级；它是AI处理复杂文档方式的范式转变。对于数据泛滥的企业来说，这可能是他们期待已久的生命线。