传统RAG把“找资料”当成一次检索：切块、召回、回答。Mistral在8月20日推出Agentic Search，让模型像分析员一样反复搜索、打开文档、跳转页面、读取局部并核对证据。官方FinanceBench测试中，完整流程把正确率从26.7%推至86%；在更难的OfficeQA Pro上，则从6.3%升至51.9%。提升很大，但它不是免费午餐：测试由供应商运行，企业仍要自己补上权限、引用、人工复核和真实业务评测。

这不是给RAG多加一次搜索，而是把检索变成任务循环

传统一次性RAG的上限取决于最初召回的几个文本块。答案藏在另一份报告、表格脚注或交叉引用中时，模型知道“资料不够”也无法继续寻找。Agentic Search把search、open、navigate、read和grep五种动作交给模型：先找候选文档，再打开、定位、读取；证据不足就改写查询，必要时比较多个来源，最后才形成答案。

Mistral没有要求企业重建索引。新流程可接在现有搜索索引上，通过Search Toolkit进入云端或本地环境，也被整合进Studio与Vibe的Libraries。Search Toolkit以Python包提供，采用Apache-2.0许可证，文档列出PDF、DOCX、PPTX、网页、表格与邮件的抽取和切分组件，并允许替换向量库、嵌入模型、重排器和缓存层。这使FDE可以先保留现有数据边界，再把“会调查的检索循环”嵌进法务、财务、客服或研发流程。

86%背后，是两组长文档压力测试

FinanceBench包含368份SEC文件和150个问题，合计约5.39万页。官方使用默认切块和排序，对Mistral Medium 3.5与GLM-5.2分别测试一次性RAG、只允许重复搜索的循环，以及加入页面导航的完整循环。汇总结果显示，较强组合从26.7%升至86%；其中“反复搜索”贡献最大，打开、翻页和局部读取又带来6.7至8.7个百分点。

OfficeQA Pro更偏向现实中的麻烦资料：696份扫描版美国财政公报、约8.9万页，测试其中133个需要跨表格计算的题目。GLM-5.2组合从6.3%升至51.9%，Mistral Medium 3.5也提高27.1个百分点。加入导航后，模型不再反复做宽泛搜索，相比只搜索循环，token减少23.9%至33.7%；FinanceBench的p90延迟从255秒降到154秒，平均延迟从108秒降到71秒。

这些数字不能直接写进企业ROI。答案由与人工标签校准的LLM裁判评分，测试没有覆盖权限错配、索引陈旧、OCR错误、工具故障、并发成本或人工复核时间。154秒的p90延迟对研究任务可能合理，对实时客服仍然过慢。公开基准说明了机制有效，却没有证明每家公司都能获得同样增益。

FDE真正要设计的，是停止条件和证据边界

把五个工具接上并不等于完成交付。FDE首先要把问题分层：合同条款、财报数字和技术手册适合多步调查；简单FAQ和已知位置的查找继续使用一次召回，避免白白增加模型调用。其次要定义停止条件，包括最多搜索轮数、token预算、允许打开的文档数量，以及何时转交人工。

权限也必须跟着每一步检索移动。索引如果混入不同部门或客户的数据，Agent越会搜索，越可能找到不该看的内容。生产系统需要在检索、打开和读取三个层面继续校验身份，保存工具轨迹与证据位置，并让高风险结论可以回到具体页码。对财务和法务场景，正确答案之外还要统计引用命中率、人工改写率、超时率和每个可接受答案的总成本。

编辑判断：企业搜索开始从“召回组件”变成“执行系统”

Agentic Search的重要性不只是把一个公开基准刷高，而是改变企业RAG的工程分工。过去团队主要调切块、向量库和top-k；现在检索层也要管理状态、工具选择、预算、权限与失败恢复。更强模型会自然改善调查路径，而不必每次重做整个索引，这让模型升级与知识基础设施逐步解耦。

但它也会把新的复杂度推给实施团队。若企业没有可验证的问题集、文档级权限和人工升级通道，多步检索只会更慢地生成一个看似有依据的答案。真正值得复制的做法，是先挑少量“必须跨文档、必须可追溯”的高价值任务，用自己的数据测正确率、延迟和介入率，再决定是否扩大。Mistral给出了一个更强的检索引擎，生产价值仍要由企业自己的评测闭环来证明。