Mistral发布Agentic Search，文档检索准确率提升至86%

企业在构建人工智能系统时，常常面临一个核心痛点：涉及机密的核心业务数据和专有知识，通常被隔离在长篇密集的文档、金融申报文件、法律合同以及政府记录中。传统的一次性检索增强生成（RAG）只能检索固定文本块，且缺乏推理迭代能力，面对结构复杂的长期文档和跨来源对比任务时往往力不从心。针对这一行业难题，Mistral AI正式推出了全新升级的Agentic Search，该技术引入了多步骤检索循环机制，让AI系统在处理企业级复杂文档查询时实现了质的飞跃。

传统RAG的核心缺陷在于“只检索、不推理、无法迭代”，模型必须根据初次命中的碎片化文本强行作答。而Agentic Search构建在企业现有的搜索索引之上，为模型赋予了五个类似文件系统操作的核心工具：search（搜索）、open（打开）、navigate（导航）、read（读取）、grep（模式匹配）。通过这套组合拳，模型不再受限于分块粒度，可以在回答前主动检查找到的内容、优化搜索策略、深入查阅底层证据，甚至在多份文档间进行对比核对，从而让检索质量随着模型自身推理能力的提升而水涨船高。

在实际行业基准测试中，Agentic Search展现出极强的落地实力。在FinanceBench金融问答测试中，基于368份平均约147页的复杂SEC文件，引入仅搜索循环后模型准确率直接提升约3倍；加入完整导航工具链后，准确率最高可达86%，同时p90延迟显著下降，token消耗减少高达三分之一。在OfficeQA Pro财政部公报测试中，面对包含696份扫描版、表格密集型政府金融PDF的高难度基准，完整闭环的智能体搜索使模型的准确率实现了突破性增长，充分证明了其应对深层表格与结构化数值查询的能力。

此外，Agentic Search能够完美适配云端和本地部署需求，无论是内置于Studio和Vibe的Libraries中，还是通过Mistral Search Toolkit集成到客户自建工作流中，都为企业释放敏感领域数据价值、打造高精度检索系统提供了强有力的底层支撑。这一创新标志着检索增强生成从“机械检索”迈向“主动推理”，为企业级AI应用开辟了新的可能。