Mistral的智能搜索：多步检索将复杂文档准确率提升至86%

对于构建AI系统的公司来说，有一个熟悉的痛点：最有价值的知识被锁在密集、机密的文档中——财务报告、法律合同、政府文件。传统的检索增强生成（RAG）在这里常常步履蹒跚，因为它抓取固定的文本块，而没有推理或深入挖掘的能力。这正是Mistral AI试图通过其新的Agentic Search解决的问题。

从机械检索到主动推理

旧的做法就像派一个图书管理员去取一本书，然后让他们在不打开书的情况下回答问题。模型得到一个片段，就这样。Agentic Search通过给模型一套模拟人类实际处理文档方式的工具来改变游戏规则：

• search：扫描整个语料库以查找相关文档。
• open：打开特定文档。
• navigate：跳转到特定页面或章节。
• read：提取该位置的内容。
• grep：在打开的文档中查找特定模式。

有了这些工具，模型可以检查它检索到的内容，优化搜索，跟踪线索进入底层数据，甚至交叉引用多个文档。它不再是一次性检索；而是一个主动的调查。

有说服力的实际结果

证据就在数字中。在FinanceBench上，一个涉及368份平均每份147页的复杂SEC文件的测试中，仅添加搜索循环就将准确率提高了三倍。当部署完整的导航工具包时，准确率飙升至86%。而且不仅仅是准确率——延迟显著降低，token使用量减少了多达三分之一。

但这不仅仅是财务文档。在OfficeQA Pro上，一个包含696个扫描的、表格密集的政府PDF的基准测试中，智能体方法在准确率上取得了突破，表明它可以轻松处理深层表格和结构化数值查询。

灵活部署满足实际需求

更重要的是，Agentic Search可以轻松融入现有设置。无论您是在云端还是本地工作，它都可以嵌入到Studio和Vibe中的库中，或通过Mistral Search Toolkit集成到自定义工作流中。这种灵活性意味着企业终于可以解锁其敏感数据的价值，并构建真正有效的高精度检索系统。

关键要点

• 传统RAG的局限性：固定的文本块，没有推理或迭代。
• Agentic Search工具：search、open、navigate、read、grep——实现多步检索。
• 性能提升：在FinanceBench上准确率高达86%；显著降低延迟和token使用量。
• 多功能性：处理复杂文档，如财务文件和政府PDF。
• 部署选项：云端和本地，通过Studio、Vibe或Search Toolkit集成。