夜雨聆风把一份两百页的 PDF 切成很多小段，再找最相近的几段交给模型，是企业知识库最常见的做法。问题也很明显：答案藏在表格、脚注或另一份文件里时，第一次没有找对，模型就只能拿着不完整材料作答。
Mistral 新发布的 Agentic Search，让模型在初次检索之后继续行动。它可以换关键词、打开文件、翻到特定页面、读取表格并核对证据，直到找到足够材料再回答。
一次检索和连续查找，差别在后半程
传统的一次性 RAG 会取回固定数量的文本片段。如果答案正好在前几条里，它便宜、快速，也足够好；如果问题需要跨页计算、追踪引用或比较多份文件，初次结果不完整，后面没有补救动作。
Agentic Search 在已有索引上增加五个工具：search 找文件，open 打开文件，navigate 移动到页面或区域，read 读取当前位置，grep 在文件内找特定内容。索引负责给出线索，模型负责决定下一步查哪里。
直接查一个明确字段，没必要绕一圈。Mistral 也把简单查询列为一次性 RAG 更合适的场景。Agentic Search 主要解决长合同、财报、说明书、扫描 PDF 和多来源研究这些真正需要“翻材料”的问题。
产品方测试提升很大，但口径不能省
Mistral 用默认切片、默认排序且没有专项调优的 Search Toolkit 测试了 Mistral Medium 3.5 和 GLM-5.2。
FinanceBench 包含 368 份 SEC 文件和 150 个问题，平均每份约 147 页。产品方报告称，完整检索循环让最高正确率从 26.7% 提高到 86%；加入翻页和文件内查找后，两个模型的 Token 消耗分别比只循环搜索减少 23.9% 和 33.7%，p90 延迟从 255 秒降到 154 秒。
OfficeQA Pro 更难，材料是 696 份扫描版美国财政公报，测试取其中 133 个数字问题。GLM-5.2 从一次性检索的 6.3% 提高到完整流程的 51.9%；Mistral Medium 3.5 也提高了 27.1 个百分点。
这些数字来自 Mistral 自己的工具栈和测试，FinanceBench 还使用经过人工标签校准的模型评分。它们能证明连续检索值得做，不能直接推导为每家公司的文档准确率。
可以接进现有索引，也可以先跑示例
Agentic Search 已经进入 Mistral Search Toolkit，也集成到 Studio 和 Vibe 的 Libraries，支持云端和本地部署。Search Starter App 会为自己的资料建立本地索引，适合先确认长文档查找方式是否适合当前数据。
产品页没有给出一项独立的固定价格。真实成本会落在模型调用、OCR、向量索引、存储和本地算力上。部署在本地或隔离环境能减少资料外流，但仍要检查日志、模型端点和运维人员权限，不能只看“本地部署”四个字。
用于财务或投资研究时，检索结果和原始数据都可能出错或延迟。本文不构成投资建议，涉及决策的数字需要回到原文件独立核对，并由使用者承担判断风险。
消息来源
Mistral Agentic Search 发布页
https://mistral.ai/news/agentic-search
Agentic Search 文档
https://docs.mistral.ai/studio/search/agentic-search
Search Toolkit 文档
https://docs.mistral.ai/studio/search/search-toolkit
Search Starter App
https://github.com/mistralai/search-starter-app/tree/main
FinanceBench 论文
https://arxiv.org/abs/2311.11944
如果这篇对你有用，请点赞、留言、转发。