One-shot RAG 在复杂文档上会失效：答案分散在多份报告的表格、脚注与条款中，单次 Top-K 检索无法拼出真相。Mistral 在 2026-08 发布的 Agentic Search，给出了“检索即导航”的解法。
Table of contents
Open Table of contents
One-shot RAG 的三处断裂
- 检索无推理：模型只能基于首次检索的 chunk 回答，即使它们不完整
- Chunk 级限制：信息在多模态复杂文档中，索引找到文档却无法“打开、定位、验证”
- 无迭代：需多轮检索的问题，单次检索无法通过“再搜一次、换个关键词、跟进引用”来修正
Agentic Search：五工具的检索循环
Mistral 在既有索引上叠加五工具，模拟文件系统操作：
search：语义搜索open：打开文档navigate：定位章节/表格read：读取上下文grep：关键词精确定位
模型不再被动接受 Top-K，而是主动决定：需要哪份文档、哪个章节、多少上下文，并在需要时换路线。
Tip
这套工具无需微调，模型推理能力越强，检索质量自动提升——检索质量不再被 chunk 策略封顶。
基准结果：质量与效率双升
在 FinanceBench（金融财报）与 OfficeQA Pro（表密集、多文档）上的对比，使用默认分块与排序，未做调优：
FinanceBench：
- 单次 RAG：26.7%
-
- 搜索循环：~74%（+47pp）
-
- 导航工具：86%（再 +8-9pp）
OfficeQA Pro：
- 单次 RAG：6.3%
- 全循环：51.9%（+45.6pp）
效率：
- Token 消耗降低 23.9%（Mistral Medium 3.5）至 33.7%（GLM-5.2）
- P90 延迟 255s → 154s（-39.6%）
- 轮次减少 2-7%
Note
导航不是额外开销，而是替代了大量无效的重复广域搜索，用精准定位换效率。
为什么“导航”比“再搜”更有效
- 重复搜索是在“猜关键词”
- 导航是在“验证证据”：打开已命中的文档，读表、看脚注、比对多源
One-shot:
Q -> 检索 Top-5 -> 生成（缺证据 → 幻觉）
Agentic Search:
Q -> 检索 -> 打开 Top-1 -> 发现缺表 -> navigate 到表格 -> read 上下文 -> 仍不足 -> grep 关键词 -> 再检索 -> 验证 -> 生成落地建议
- 索引仍是基础：先做好 chunk、重排、混合检索，再叠 Agentic 循环
- 用导航工具替代重试：当首次检索未命中，优先
open/navigate而非盲目换查询 - 评估工具成本：每增加一个工具定义都会增加上下文税，需平衡
小结
Agentic Search 验证了 2026 年的核心转向：检索从“算法”变为“智能体的行为”。模型越强，检索越好，这让检索系统的投资具备了随模型升级而自动增值的属性。