Mistral推出智能体搜索强化企业文档检索

时间：2026年8月20日，Mistral AI 在线发布 Agentic Search（智能体搜索）。 地点：线上发布，面向全球企业用户；相关工具支持云端使用及本地部署。 人物：法国 AI 公司 Mistral AI 及其 Studio、Vibe 和 Search Toolkit 产品团队。发布公告由 Mistral 发布，未披露单一产品发言人。 事件详情：Mistral 推出 Agentic Search，把传统一次性 RAG 改为可循环的检索、查证流程。模型可先在现有索引中 search 搜索来源，再使用 open 展开上下文、navigate 在文档内移动、read 读取指定范围、grep 定位精确词组，并在掌握新信息后重新检索；Search Toolkit 提供的 MCP 服务还可处理 ingest 和 delete。产品不以新的检索算法取代关键词或向量搜索，而是在其上增加文档导航与多轮编排。该功能已通过 Search Toolkit 提供，并集成到 Studio 和 Vibe 的 Libraries，开发者可接入现有索引，也可通过 Vibe 等支持 MCP 的智能体调用。 背景：传统 RAG 通常一次检索固定文本块后直接生成答案。当答案位于长篇财报的脚注、表格、跨页章节或第二份引用文件时，模型很难在首轮结果之外继续核查。Mistral 此次把检索层交给智能体自主拆解步骤，让模型能够打开结果、扩大上下文、搜索文档内部文本、回到相邻位置继续阅读并发起新查询，从而把企业知识库从静态资料片段变成可被逐步检查的证据集合。对金融、法律、政务和大型制造资料等长文档密集型场景，这种路径比单纯增加模型上下文更注重证据来源。 影响：Mistral 使用未做场景专项调优的默认 Search Toolkit 配置进行测试。FinanceBench 包含368份 SEC 文件、约53900页和150道公开题；Mistral 报告称，GLM-5.2 从一次性 RAG 的26.7%提升至完整 Agentic Search 流程的86%，p90 延迟由255秒降至154秒。Mistral Medium 3.5 与 GLM-5.2 的令牌使用量较仅含搜索循环的方案分别减少23.9%和33.7%。在包含133道题、696份《美国财政部公报》及约89000页资料的 OfficeQA Pro 上，GLM-5.2 从6.3%升至51.9%，Mistral Medium 3.5 提高27.1个百分点。Mistral 的结果还显示，模型通过导航工具定位证据后，可用更少令牌和更短延迟完成回答；这意味着企业 Agent 的瓶颈可能不再只是模型能力，而在于能否持续找到并验证正确证据。不过，这些增益来自厂商自测，尚未见独立复现；实际部署仍需处理权限继承、索引新鲜度、文档格式差异和错误工具调用。 总结：Agentic Search 不是新模型，而是 Mistral 为企业智能体增加的可导航检索层。它把搜索从一次性取回片段升级为多轮调查，让模型在生成答案前检查来源、读取上下文并再次取证。若官方基准数据能在私有文档库中复现，企业 AI 将更容易在长文件、表格和多来源任务中给出可核验答案，RAG 的竞争重点也将从单纯追求更大的向量库，转向智能体能否高效找到真正支撑结论的证据。 参考来源： 1. Mistral 官方发布：Agentic Search - https://mistral.ai/news/agentic-search/ 2. Mistral 文档：Agentic Search - https://docs.mistral.ai/studio/search/agentic-search 3. Mistral 文档：Search Toolkit - https://docs.mistral.ai/studio/search/search-toolkit 4. Mistral 官方示例项目：search-starter-app - https://github.com/mistralai/search-starter-app 5. Patronus AI：FinanceBench 介绍 - https://docs.patronus.ai/docs/research_and_differentiators/financebench 6. FinanceBench 论文 - https://arxiv.org/abs/2311.11944 7. Databricks：OfficeQA 官方仓库 - https://github.com/databricks/officeqa 8. OfficeQA Pro 技术报告 - https://arxiv.org/abs/2603.08655 9. Databricks：OfficeQA Pro 基准介绍 - https://www.databricks.com/blog/introducing-officeqa-benchmark-end-to-end-grounded-reasoning 10. RuntimeWire：Mistral Agentic Search 报道 - https://runtimewire.com/article/mistral-agentic-search-enterprise-retrieval