今天，Search Toolkit 公开预览版正式上线了。这是一个框架，用来给 AI 应用搭生产级别的搜索管道。
我们做这个东西，是因为发现很多团队在搞搜索基建时，太多时间都花在底层连接这些脏活上了。大家总得把数据摄取、检索、评估这几块的工具拼到一起，每套工具接口不一样，对数据的假设也不同，特别折腾。Search Toolkit 就是把这三样整合到一个统一的框架里，用一套共享的接口，让团队能专心搞搜索质量，而不是天天维护集成。它是开源的，能在你基础设施所在的任何地方跑，云端、本地、边缘都行。
现在的搜索基建，还是太费劲了
多数做检索系统的团队，花在拼装基础设施上的时间，比改进搜索质量还多。搞数据摄取需要一套工具，检索又是另一套，评估（如果真做的话）还得再找个框架，数据格式可能又对不上。
有团队反馈，他们得花好几周做集成，才能用自己的数据跑一次查询。想看看检索器返回的结果对不对，通常又得换另一套工具链。对于做 RAG 工作流或者内部知识系统的团队，这种开销在每一层都会重复，太头秃了。
这玩意儿能用在哪儿
企业搜索。 公司里通常不止一个搜索需求，而是一堆：内部 wiki、客服工单、文档库、文件存储、代码库…每个数据源结构不同、元数据不同，处理起来也得用不同的方法才能建好索引。结果就是，团队往往得给每个数据源单独搞一套摄取管道，各有各的解析逻辑、分块策略和对“文档”格式的假设。最后弄出一堆彼此孤立的索引，没法统一搜；或者自己硬写个统一层，结果变得很脆弱，维护起来也麻烦。Search Toolkit 在同一个框架里，提供了跨数据源的一致处理和索引模式，这样加新数据源就不用每次都重搭管道了。
RAG 和检索质量。 当 RAG 系统返回的结果很拉跨时，第一个问题就是：到底是检索不行，还是生成不行？实际上，大多数团队没啥好办法来定位问题。他们可能在检索器根本没给对上下文的情况下，就去调提示词、改分块策略、换模型。就算是那些真想优化检索的团队，也常常缺少工具，来根据自己的数据和相关性判断，严格比较不同策略。要不然就得为每次实验写自定义评估脚本。Search Toolkit 自带了评估功能，可以单独衡量检索器的表现，这样你就能把检索质量和生成质量分开看，也能在语料库更新时比较不同配置。
特定领域检索。 比如法律文件、医疗记录、代码库、财务报告。现成的检索器是在通用文本上训练的，碰到专业术语、特殊文档结构和相关性标准时，往往就不灵了。想在特定领域调优检索的团队，最后往往得从头自己搭一套检索基建，成本高，评估起来也难。
智能体也需要搜索
处理企业任务的智能体，需要接触到企业的上下文信息。它们自己做检索决策，而且量很大，所以底层搜索基础设施的质量，直接影响到下游每一步。对于需要搜索大量文档的情况，智能体可以在索引上做语义搜索，这样又快又准。
智能体也需要实时数据。通过 uvx copier copy gh:mistralai/search-starter-app my-search-projectcd my-search-project，它们能直接用 MCP 集成从 CRM、代码仓库、生产力工具这些源系统里拉数据。当智能体需要搜索存量内容时，它可以查索引；当它需要最新信息时，它可以直接去源系统里拉实时的。Search Toolkit 给你的智能体提供了一条高质量的索引搜索路径，可以和实时检索搭配着用。
核心部件
数据摄取。 用可配置的管道，从多个来源索引和处理数据。Search Toolkit 处理文档解析、分块和生成嵌入向量。自定义的文档格式和预处理步骤，可以通过标准适配器接口接进来。
检索。 内置了 BM25 稀疏检索、基于嵌入向量的密集检索，以及混合检索。每种都可以根据你的数据和用例来配置。
评估。 用内置的指标来衡量搜索质量，比如召回率、精确率、平均倒数排名这些。针对你自己的测试集跑评估，并列比较不同的检索器配置，跟踪不同版本的质量变化。
所有模块都共用一套配置接口。换你的索引器、换检索器、加评估器，管道的其他部分会自动适应。
Search Toolkit 是为企业的进阶需求设计的，已经在金融服务、制造业、公共部门还有媒体娱乐这些行业用过了。像 CMA CGM 就用它和 Voxtral 来帮记者识别假新闻。他们的管道处理来自三个不同数据源的音频，能在 15 秒内端到端给出警报。
看个演示
怎么开始用
最快的方法是试试我们给的 。
前提条件
创建新项目
uvx copier copy gh:mistralai/search-starter-app my-search-projectcd my-search-project
跑起来
`# 用 Docker 在本地启动 Vespa
make setup-vespa
索引示例数据
make ingest path=sample_data/hello.txt
执行查询
make search query=“hello world”`
这个模板里包含了：
- 预配置好的 Vespa 索引
- 混合检索
- 示例数据和摄取管道
更多细节看 。
接下来
试过入门应用后，可以再深入看看：
- – 为特定文件类型配置解析器、分块策略、嵌入模型和提取器，来处理你的数据。
- – 针对你的用例，优化索引和排序配置。
- – 用上查询重写、重排序、混合检索这些高级功能。
完整的参考，去看 。