Mistral Agentic Search – Mistral AI推出的智能体搜索检索层工具

Mistral Agentic Search是一款由Mistral AI推出的智能体搜索检索层AI工具，主要用于解决复杂长文档和跨源数据的信息检索难题，支持多步检索循环、文档内导航与信息验证，在FinanceBench金融文档基准测试中准确率从单次RAG的27%提升至86%，适用于金融分析、法律合规、企业知识管理等场景。

Mistral Agentic Search核心能力

多步检索循环，突破传统RAG局限

传统检索增强生成（RAG）只能根据初次检索的固定文本块作答，面对长篇密集文档时往往力不从心。Mistral Agentic Search引入了多步检索循环机制，模型可以在语料库中主动搜索、打开文档、读取内容、验证信息，并根据需要重新查询，直至收集到足够证据。这种迭代式检索方式让AI系统能够处理答案不在首个检索片段中的复杂问题。

七大检索工具，实现文档级精细操作

Agentic Search为模型提供了七个类似文件系统操作的检索工具，使其能够在文档内部和跨文档之间自由导航：

• search：在整个语料库中执行语义或混合检索，支持exclude_ids排除已查看片段
• open：扩展已检索片段周围的上下文，按阅读顺序返回相邻内容
• navigate：从已知位置向前或向后遍历文档
• read：读取由search或导航结果返回的已知范围内容
• grep：在单个文档内进行精确词或短语的词法搜索
• ingest：向索引添加本地路径、file://URI或http(s)://URL的文档
• delete：删除文档及其全部片段

模型无关性，检索质量随模型能力扩展

Agentic Search的检索工具无需针对特定模型进行微调或训练。随着底层模型的推理和工具使用能力提升，检索质量也随之提高。这种设计意味着检索效果不受限于固定的分块策略，而是与模型能力同步进化。Mistral官方测试显示，同一底层模型使用Mistral工具栈相比使用Claude Code工具栈，在OfficeQA Pro基准上准确率提升10.5个百分点。

显著的性能提升与效率优化

在FinanceBench金融问答基准测试中，Agentic Search展现出了极强的数据爆发力：

• 准确率提升：基于368份平均约147页的SEC文件测试，完整agentic循环准确率从单次RAG的27%提升至86%，提升约3倍
• 延迟降低：p90延迟从255秒降至154秒，降低约40%
• Token消耗减少：相比仅搜索循环，token用量减少23.9%至33.7%
• 高难度基准突破：在696份扫描版财政部公报的OfficeQA Pro测试中，完整循环准确率从6.3%提升至51.9%

Mistral Agentic Search与主流RAG方案对比

注：以上数据来自Mistral官方Agentic Search技术文档与FinanceBench测试报告，LlamaIndex Agent因配置与所选模型不同，表现差异较大。

从官方数据可以看出，Agentic Search的优势核心是多步循环带来的文档级操作能力，86%对27%的准确率差距并非来自模型规模。它与SearchOS等多智能体搜索方案代表了检索从静态管道走向动态循环的趋势；而以VimRAG为代表的RAG框架更擅长固定语料下的快速问答，两类方案适配的文档复杂度不同。

Mistral Agentic Search应用场景与适用人群

Mistral Agentic Search特别适合需要深度文档分析和跨源信息验证的场景。

• 金融财报分析：处理数百页SEC文件（10-K/10-Q/8-K），提取关键财务指标并进行跨年度对比
• 法律合同审查：在长篇法律合同中定位特定条款，对比多份合同的差异，验证合规性
• 企业知识库检索：连接企业内部文档系统，支持员工通过自然语言查询技术手册、产品规格和政策文件
• 政府公报查询：处理扫描版、表格密集的政府金融PDF，提取可验证的数值型答案
• 科研文献综述：跨多篇论文检索特定实验数据，验证研究结论的一致性

适用人群：主要是企业开发者、数据分析师、金融与法律从业者，以及需要构建高精度文档检索系统的技术团队。

如何使用Mistral Agentic Search

Mistral Agentic Search提供两条使用路径：通过Mistral Studio和Vibe开箱即用，或通过Search Toolkit SDK集成到自定义工作流中。

环境准备

• Mistral API key：前往console.mistral.ai注册并获取API密钥
• Docker：用于本地运行Vespa搜索引擎
• uv：Python包管理工具
• Copier：项目脚手架工具

快速启动（本地部署）

通过Mistral官方提供的Search Starter App，可在几分钟内搭建本地Agentic Search环境：

1. 创建项目：运行 uvx copier copy gh:mistralai/search-starter-app my-search-project
2. 启动Vespa：进入项目目录后执行 make setup-vespa，自动启动Docker容器并部署schema
3. 启动Agent：运行 vibe –trust 启动本地agent，可用 /mcp 验证连接状态
4. 数据摄取：使用 make ingest path=sample_data/hello.txt 将文档导入索引
5. 执行查询：使用 make search query=”hello world” 进行检索测试

SDK集成方式

对于需要更多控制的企业用户，可使用Mistral Search Toolkit SDK构建自定义检索管道。SDK提供与MCP server相同的QueryEngine和VectorRetriever，并支持查询重写、多检索器融合、语义缓存等高级功能。关键配置包括设置IndexingMode.DOCUMENT_PER_CHUNK启用可导航索引，以及调整chunk_size（建议4096）和chunk_overlap（建议50）等文本切分参数。

更多信息可参考Mistral官方文档：docs.mistral.ai/studio/search/agentic-search

Mistral Agentic Search开源与价格

• 开源组件：Mistral提供Search Starter App开源项目（GitHub: mistralai/search-starter-app），包含默认配置和完整示例代码
• API使用：通过Mistral API调用Agentic Search功能，具体费用计入Mistral API套餐
• 云端方案：Studio和Vibe用户可直接在Libraries中使用Agentic Search，无需自建检索系统
• 企业部署：支持本地私有化部署，需联系Mistral销售获取企业定价

目前Mistral未单独公布Agentic Search的定价，费用包含在Mistral API或企业套餐中。开发者可通过免费额度体验基础功能。