Nace AI 发布 Drex for Search，优化智能体文档检索
Nace AI 推出 Drex for Search，将决策模型引入文档搜索，使 AI 智能体能获取带引用的完整页面而非碎片化文本块。该工具通过分层缩小工作区范围来精准定位信息，在 BrowseComp-Plus 等基准测试中显著提升了准确率并大幅减少了搜索调用次数。开发者可通过 MCP 服务器、CLI 或 SDK 将其集成到 Claude Code、Cursor 等主流编码智能体中。
报道正文
▲ Marktechpost AI · 2026-10-26 15
▲ Nace AI 刚刚发布了 Drex for Search，将其 Drex 决策模型引入文档搜索领域，使 AI 智能体能够获取带有引用来源的页面，而非传统的 top-k 文本块。
其核心理念在于将搜索视为一系列决策过程。Drex 首先对问题进行分类，判断其为快速查询还是更深层的智能体搜索。随后，它逐步缩小工作空间范围：从文件夹到文件，再到章节和页面，直至电子表格中的具体表格和列。只有被保留的页面才会输入给 LLM，且最终答案会明确引用具体的文件和页码。
根据 Nace 提供的数据：在 GPT-5 加持下，BrowseComp-Plus 基准测试得分高达 92.05%，平均每个问题仅需 12.61 次搜索调用，比唯一领先者少用 16.6 倍。在 VisDocAgentBench 上，R@1（Recall at 1）达到 77.5%，比 Claude Opus 5 高出 10 个百分点。在 Gemini 3.5 Flash 驱动的 MADQA 测试中，准确率为 94.7%。在 OfficeQA Pro 测试中，Nace 评估的所有 9 种智能体配置均减少了交互轮数，其中基于 Opus 5.5 的 Claude Code 将所需轮数从 18.5 降至 9.1。
Claude Code、Codex、Cursor 和 OpenCode 均可通过 nace-mcp 服务器或 CLI 调用该功能。此外，还提供了 Python 和 TypeScript SDK 以及 REST API……
完整分析：
