# 检索层正在被重写：Mistral Agentic Search 的三倍准确率，对"内容最小单位"意味着什么
我们在 8 月 4 日发过一篇《Agentic RAG 时代，「一篇文章被引用」的逻辑变了》，核心判断是：AI 检索正在从"搜一次、答一次"变成多步循环，优化的最小单位从"一个关键词对应一个页面"变成"一个主题对应一整簇内容"。
那篇文章当时的问题是——没有硬数据。它建立在架构趋势的观察上，而不是可量化的基准。
2026 年 8 月 19 日到 20 日之间，这个缺口被补上了。而且不是一家。
一、同期三条独立证据
证据一：Mistral 发布 Agentic Search（2026 年 8 月 19–20 日）
Mistral 官方将 Agentic Search 定义为一个"检索层"，让 AI 系统能够在最复杂的文档内部导航、阅读并验证信息。它在企业已有的搜索索引之上构建，向模型暴露五个工具：search、open、navigate、read、grep。
官方公布的基准数据：
| 基准 | 传统检索 | Agentic Search | 变化 |
|---|---|---|---|
| FinanceBench（财报文件正确率） | 26.7% | 86% | 约 3.2 倍 |
| OfficeQA Pro（表格密集、多文档） | 6.3% | 51.9% | +45.6 个百分点 |
| p90 延迟 | — | — | 最多降低 39.6% |
| token 消耗 | — | — | 减少约三分之一 |
交付方式上，它通过 Mistral Search Toolkit 提供，也内置在 Studio 和 Vibe 的 Libraries 中；检索工具可通过 MCP 暴露给 agent；索引可用 Vespa + Docker 自托管，也可走托管后端。
证据二：微软的 AgenticRAG 论文
微软发表的 AgenticRAG 论文描述了一个几乎相同的思路：在企业已有搜索基础设施之上加一层轻量 harness，给推理模型配备 search、find、open、summarize 四个工具，让模型自主迭代检索、在文档内部导航、分析证据。
论文报告的结果：BRIGHT 上 recall@1 达到 49.6%（比最佳嵌入基线高 21.8 个百分点）；WixQA 事实性 0.96（相对提升 13%）；FinanceBench 答案正确率 92%，距离"直接给模型真实证据"的理论上限只差 2 个百分点。
其中最关键的是消融实验的结论：贡献最大的单一因素是从单次检索转向 agentic 工具调用，带来约 5.9 倍的提升，而多查询检索和文档内导航是在此基础上进一步改善质量与效率。
证据三：Azure AI Search 的 agentic retrieval 已进入正式版
微软 Azure 侧的 agentic retrieval 能力在 2026-04-01 版 REST API 中已经 GA。它的工作方式是：把复杂查询拆解成子查询（query planning），子查询并行执行、可以是关键词/向量/混合检索，每个子查询各自做语义重排，最后合并结果并保留引用。
三条证据的共同点：都不是"把检索做得更准"，而是把检索从一次性动作改成一个循环。三家公司、两种交付形态（开源工具包 / 云服务）、一篇同期论文，指向同一个架构方向。
二、五个工具，逐一对应内容侧的要求
抽象的架构判断不好落地。把 Mistral 那五个工具拆开看，每一个都对应一条明确的内容要求。
`search` — 在索引里找
这一层和过去的 RAG 没有本质区别，仍然是嵌入相似度或混合检索决定候选池。你的内容如果连候选池都进不去，后面四个工具再强也用不上。
对应要求： 这仍然是准入条件。抓取可达性、正文可读性（不依赖 JS 渲染）、语义清晰度依然是第一道关。Search Engine Land 在 8 月 19 日恰好也发了一篇提醒 JavaScript 链接会让页面对 AI 搜索不可见——这两条新闻其实说的是同一件事的两端。
`open` — 打开完整文档，而不只是 chunk
传统 RAG 的一个硬伤是：模型只看到被切出来的那个 chunk，看不到它在文档里的位置和上下文。agentic 检索允许模型打开整篇。
对应要求： 页面的整体结构第一次真的会被"看到"。 过去很多 GEO 建议说"把答案前置"，其原因是模型只能看到前面一段。当模型能打开整篇时，前置仍然有价值（省 token、降低延迟），但一个结构混乱、答案埋在第 8 屏的页面，不再是必然出局。
`navigate` — 在文档内部跳转
模型可以根据目录、锚点、章节标题决定跳到哪里，而不是线性读完。
对应要求： 这是这次变化里最被低估的一条。长文档的内部导航结构，从"给人看的便利"变成了"给模型用的接口"。 具体到执行：H2/H3 的层级要真实反映内容结构而不是为了塞关键词；长页面应有目录和锚点；章节标题要能独立表意（"技术参数"优于"详情"）。
`read` — 读取指定区域
模型定位到某个区域后精读该区域。
对应要求： 局部自洽性。一个章节被单独读取时，它的结论要能独立成立——不能出现"如上文所述"这类必须回溯才能理解的表述作为关键信息的载体。
`grep` — 在文档内做精确匹配
这是五个工具里最"反直觉"的一个：在一个嵌入检索主导的时代，精确字符串匹配回来了。
对应要求： 参数、型号、认证编号、规格数字的字面准确和一致，价值被显著抬高了。 嵌入检索对"2024"和"2025"几乎不敏感，grep 完全敏感。对工业品和 B2B 出海企业来说，这是个直接的好消息：你的参数表如果字面规范、术语统一、型号写法在全站一致，它是可 grep 的；如果同一个型号在官网写 XH-200、在 PDF 里写 XH200、在目录页写 XH 200，那三处都不会被同一次 grep 命中。
三、这条新闻改变了什么，没改变什么
改变的：
- "内容最小单位"的判断得到了基准支持。 我们 8 月 4 日的判断——从页面变成主题簇——现在有了 FinanceBench 26.7%→86% 和微软论文 5.9× 消融这两组数字支撑。不再只是趋势观察。
- 长文档的价值上升。 在只能取 chunk 的时代，长文档是劣势（信息被切碎、上下文丢失）。在可以 open + navigate 的时代，一篇结构良好的长文档是一个可以被反复检索的资源，而不是一次性素材。
- 精确字面匹配重新有价值。 这是过去两年 GEO 讨论里几乎没人提的维度。
- 企业内部知识库和对外内容开始遵循同一套规则。 Mistral 和微软的方案都是面向企业内部文档的，但检索层的要求是一样的。你为 AI 搜索做的内容治理，同时在为自己的内部 RAG 做准备。
没改变的：
- 准入条件没变。 进不了候选池，一切免谈。抓取可达、可解析、事实准确，仍然是前提。
- 这些是企业内部检索产品，不是公开 AI 搜索引擎。 Mistral Agentic Search 服务的是企业自己的文档和数据源，不直接决定 ChatGPT 或 Google AI Mode 会不会引用你的官网。把它当作公开搜索引擎的变化来解读，是错的。
- 公开 AI 搜索是否已采用同构架构，我们不知道。 有间接迹象（AI Mode 的 query fan-out、ChatGPT 的多轮检索行为），但没有任何一家公开搜索平台披露过自己的检索层实现。
第 2、3 点是这篇文章里最需要读者注意的边界。我们能说的是"检索层的技术方向正在收敛到 agentic 模式"，不能说"ChatGPT 现在就是这么工作的"。
四、可执行清单：六条内容改造
按投入产出排序，前三条对大多数出海站点当期就能做。
1. 全站型号与参数写法统一（1–2 天，高优先级）
建立一份术语与型号规范表，覆盖官网、PDF 目录、产品页、第三方平台的企业主页。同一个实体在所有位置的字面写法必须一致。这是唯一一条"纯执行、零判断、直接对应 grep"的动作。
2. 长页面补目录与锚点（1 天）
超过 2000 字的页面加上锚点目录，H2/H3 层级与实际内容结构对齐。检查每个二级标题能否脱离上下文独立表意。
3. 章节自洽性检查（2–3 天）
随机抽取站内 10 个长页面的中段章节，单独读，判断结论是否成立。如果必须回看前文才能理解，改写。
4. 从"页面"重组为"主题簇"（2–4 周）
围绕一个采购决策主题，把参数、选型、对比、认证、案例组织成互相链接的一组页面，而不是一篇大而全。这条最费力，也最接近 agentic 检索的实际工作方式。
5. 表格结构化（视存量而定）
OfficeQA Pro 那 +45.6 个百分点专门针对表格密集型问题——说明表格此前是检索的重灾区。避免用图片承载参数表，避免跨行跨列合并单元格，表头文字要能独立表意。
6. 内部知识库同步治理（长期）
如果你已经在用或准备用企业内部 RAG，上面五条同样适用。不要为对外内容和对内文档维护两套标准。
边界声明
- 本文引用的 Mistral 基准数据来自 Mistral 官方 2026 年 8 月发布内容，为厂商自测，我们未独立复现，也未见第三方复现。厂商自测基准通常选择对自身有利的任务分布，请据此折扣理解。
- 微软 AgenticRAG 的数据来自其公开论文，同样未经我们独立验证。
- 本文中"对应要求"部分（五个工具与内容改造的映射）是我们基于公开技术描述作出的推断，不是 Mistral 或微软的官方建议。这些推断的逻辑我们已完整写出，读者可自行判断是否成立。
- 我们不知道 ChatGPT、Google AI Mode、Perplexity 的检索层是否采用同构架构。本文不应被理解为对这些平台内部实现的描述。
- 六条内容改造的预估工时来自我们自己的项目经验，实际视存量规模而定。
- 观测不等于平台官方排名。我们不承诺收录、固定排名、流量或收入。
延伸阅读
- 《Agentic RAG 时代，「一篇文章被引用」的逻辑变了》（本文为其补充基准数据）
- 《AI 的引用决策发生在检索阶段：RAG 六环节完整拆解》
- 《产品页 GEO 改造：把参数表变成 AI 可引用的答案》
- 《中外大模型 RAG 架构的三个根本差异：为什么「一稿通发」必然失效》
本文由妙蛙 GEO 研究团队撰写，使用 AI 辅助进行资料整理与语言校对，文中事实、来源和结论均经人工复核。