用 Le Chat 完成联网检索、Canvas 编辑与自定义 Agent 搭建

Le Chat 是 Mistral 模型家族面向普通用户与企业用户的统一入口：一个 ChatGPT 形态的对话界面，底层跑的是从轻量模型到旗舰模型的一整条产品线。它把联网检索、Canvas 文档与代码编辑、图像生成、代码解释器、文档 OCR 和无代码 Agent 搭建都收在同一个界面里，网页端、iOS 与 Android 都能用。这篇教程面向已经用过至少一个 AI 聊天工具、想搞清楚 Le Chat 具体能做成哪些事的人，从注册账号一路讲到搭出一个可复用的自定义 Agent。如果你更想先横向比较各家的对话工具，可以看站内的 Le Chat 条目，再回来按下面的步骤动手。

需要先说明一点：Le Chat 的模型阵容、套餐价格、配额上限都属于变动频繁的信息，本文给出的数字只反映素材整理时的状态，实际以官网当前页面为准。下文凡是涉及具体额度的地方都会标注这一点。

准备工作

账号与登录方式

Le Chat 支持三种注册方式：邮箱、Google 账号、Apple ID。网页端直接访问 chat.mistral.ai，点「Sign up」，选一种方式完成认证；如果系统要求邮箱验证，去收件箱点确认链接即可。免费档不需要绑定信用卡，注册完就落在对话界面上。

移动端从 App Store（iOS）或 Google Play（Android）下载 Le Chat 应用，用与网页端相同的凭据登录，或者直接新建账号。移动端的功能与网页端基本对齐，检索、Canvas、图像生成都在。

环境与素材准备

浏览器用 Chrome、Firefox、Safari、Edge 的较新版本即可，没有额外的插件或客户端要求。建议在动手前准备一份自己的测试素材——一份 PDF 报告、一张图片、或者一个小 CSV 数据集，后面验证文档解析、图像生成和代码解释器时会用到，比拿示例文本练手更能看出工具的实际边界。

先想清楚用哪一档

Le Chat 分四档：Free、Pro、Team、Enterprise。免费档覆盖对话、检索、图像生成和记忆功能，记忆条数有上限；Pro 与 Team 解锁旗舰模型、更多项目与更大的文档存储；Enterprise 走定制报价。具体价格与每档的额度请以官网当前信息为准，不要按本文的数字做预算。如果你只是想把流程跑通，免费档足够完成下面全部八个步骤中的前六个。

注册后的连通性验证

登录成功后先发一条测试提示词，例如「What is Mistral AI?」，正常情况下几秒内就会有回复。如果界面能加载但一直不返回内容，先检查网络连通性，再刷新页面重试。这一步能排除掉大部分「看起来登录了其实会话没建立」的问题。

操作步骤

第一步：认识界面上的几个关键区域

Le Chat 的布局对用过 ChatGPT 或 Claude 的人来说不陌生，但有几处是 Mistral 自己的设计，值得先认一遍。

• 对话输入框：屏幕底部的主输入区，提示词在这里输入或粘贴。移动端可以点麦克风图标走语音输入，也可以点附件按钮上传文件。
• 会话侧边栏：网页端在左侧面板，移动端收在菜单图标里。Le Chat 会在单个会话内维持上下文，所以追问时不必重复背景信息。
• 模型选择器：按套餐不同，可切换的模型不同。免费档默认使用一个为速度优化的模型；Pro 与 Team 档可以切到旗舰模型。
• 工具开关：输入框下方或旁边有一排开关，分别对应联网检索、Canvas、图像生成、代码解释器。
• Projects（项目）：把相关会话归到一个项目下管理，Pro 档的项目数与文档存储额度更高，免费档能建的项目数量有限。
• Memories（记忆）：Le Chat 会逐步记住你的偏好，免费账号的记忆条数有上限，Pro 与 Team 档上限更高。

建议在正式使用前把每个开关都点一遍，确认当前套餐下哪些可用、哪些会提示升级。这一步花不了几分钟，但能避免后面写到一半才发现某个功能不在自己的档位里。

第二步：完成第一次对话并理解上下文机制

在输入框里写一条带明确任务和输出格式的提示词，比只问一句话更能看出模型的行为。例如：

你是一名技术文档编辑。请把下面这段产品说明改写成 150 字以内的中文简介，
保留所有专有名词，不要添加原文没有的功能描述。

<原文>
（把你的素材粘贴在这里）
</原文>

发送后观察回复的结构。接着在同一个会话里追问「把第二句改得更口语一些」，如果 Le Chat 能直接定位到上一轮的输出并只改那一句，说明会话上下文正常工作。这也是判断要不要开新会话的分界线：同一主题的迭代留在原会话里，换主题就新建一个，避免上下文被无关内容稀释。

第三步：开启联网检索做资料核实

打开 Web Search 开关后，Le Chat 会把回答建立在当前网页结果之上，而不是只依赖模型参数里的知识。适合的场景包括：核实某个产品的最新定价、确认某个标准的最新版本、查找近期发布的公告。

写检索类提示词时，把「要查什么」和「怎么组织答案」分开写，效果更稳定：

请联网检索，回答以下问题：
1. 该产品当前提供哪几档订阅？
2. 每档分别包含哪些功能？
3. 免费档有哪些明确限制？

要求：逐条列出，每条注明信息来自哪个页面；
如果不同来源说法冲突，把冲突点单独列出来，不要自行取舍。

要求模型标注来源、显式列出冲突，是使用检索功能时最值得养成的习惯。检索结果本身可能过期或互相矛盾，把判断权留在自己手里比让模型替你合并更安全。

第四步：用 Canvas 编辑文档与代码

打开 Canvas 开关后，界面会展开一个侧边面板，用来编辑文档、代码和富文本内容。它的价值在于把「生成」和「修改」分开：初稿在对话里生成，定稿在 Canvas 里逐段打磨，改哪一段就选中哪一段，不必让模型重写全文。

典型用法是先让模型产出一份结构化草稿，再在 Canvas 里做局部替换。例如先生成一份接口说明，然后在 Canvas 中选中「参数表」那一段，要求补充缺失字段。代码场景同理：把一段 Python 脚本放进 Canvas，选中某个函数要求改写，其余部分保持不动。

使用 Canvas 时要注意，面板里的内容仍然属于当前会话，换会话不会自动带过去。需要长期保留的文档，及时导出或复制到自己的存储里。

第五步：用代码解释器跑数据分析

打开代码解释器开关后，Le Chat 会在沙箱环境里执行 Python，用来做数据分析和计算。适合的任务包括：读取上传的 CSV 做汇总统计、验证一段计算逻辑、把表格数据转成图表所需的中间结果。

写这类提示词时，把输入、处理、输出三段讲清楚：

我上传了一个 CSV，包含三列：date、region、revenue。
请用 Python 完成：
1. 按 region 汇总 revenue 总额，降序排列；
2. 计算每个 region 的月度环比变化率；
3. 输出一张汇总表，并说明数据里是否存在缺失值或异常值。

请先打印数据结构（列名、行数、前 5 行），确认无误后再做计算。

要求先打印数据结构再计算，是一个很实用的约束：很多分析错误源于列名理解偏差或分隔符不对，先看一眼原始结构能省掉一轮返工。沙箱执行的结果不会自动保存成文件，需要留存的话在对话里要求它把结果以表格形式输出。

第六步：生成图像

Le Chat 的图像生成由 Black Forest Labs 的 Flux Ultra 提供。打开图像生成开关后，用文字描述画面即可。写图像提示词时，把主体、风格、构图、光线分开描述，比堆一串形容词更可控：

主体：一张木质书桌上摊开的笔记本，旁边放着一杯黑咖啡
风格：纪实摄影，自然光，浅景深
构图：俯拍，笔记本位于画面左下三分之一
色调：暖色，低饱和
不要出现：文字、水印、人物

生成结果不满意时，一次只改一个维度（比如只改光线，不动构图），这样能判断出到底是哪个描述在起作用。图像生成同样受套餐限制，具体可用次数以官网当前信息为准。

第七步：搭建自定义 Agent

Le Chat 提供无代码的 Agent 搭建能力，可以把一套固定的角色设定、工具权限和输出格式固化下来，之后反复调用，不必每次重写提示词。适合的场景包括：固定格式的周报整理、按模板做的合同条款摘要、带固定检索范围的行业资讯汇总。

搭建时按下面的顺序配置，逻辑最清楚：

1. 定角色与边界：写清楚这个 Agent 是谁、负责什么、明确不做什么。边界写得越具体，越不容易跑偏。
2. 定输入格式：说明用户会提供什么，是纯文本、上传的文档，还是需要它自己去检索。
3. 定工具权限：按需开启联网检索、代码解释器或图像生成。只开真正需要的，开得越多，行为越难预测。
4. 定输出格式：给出固定的结构模板，包括字段名、顺序、字数上限。
5. 用真实素材试跑：拿两三份真实输入各跑一次，看输出是否稳定落在模板里，再决定要不要收紧约束。

一个可直接套用的 Agent 指令骨架：

角色：你是一名行业资讯摘要助手。
任务：读取用户提供的文章，输出结构化摘要。
边界：只依据用户提供的文本作答；文本中没有的信息写「未提及」，不要推测。
输出格式：
- 一句话结论（不超过 40 字）
- 三个关键事实（每条不超过 30 字）
- 文中提到的数据点（列表，注明原文表述）
- 存疑之处（列表，没有则写「无」）

Agent 建好后，建议先用它跑一批历史素材，把输出和你手工整理的结果对照，确认稳定后再投入日常使用。这一步比反复调提示词更能暴露问题。

第八步：按实际用量选套餐

跑完上面几步，你对自己会用到的功能组合应该已经有判断了。选档时按这个顺序看：

• 如果主要用对话、检索、图像生成，且记忆条数够用，免费档就能覆盖。
• 如果需要切换旗舰模型、需要更多项目和更大的文档存储，考虑 Pro。
• 如果是团队共用、需要统一管理，看 Team 档的按用户计价方式。
• 有合规、部署或定制需求的，走 Enterprise 定制报价。

各档的具体价格、模型可用范围、项目数与存储额度、记忆条数上限，都以官网当前信息为准。这类信息调整频繁，不要依据本文或任何二手文章里的数字做采购决策。

一个完整示例

下面把前面几步串起来，做一个能从头跑到尾的最小例子：把一份上传的行业报告整理成结构化摘要，并固化成可复用的 Agent。

第一步，准备输入。选一份 10 页左右的 PDF 报告，确认里面有明确的章节结构和若干数据表格。

第二步，上传并解析。在对话输入框点附件按钮上传 PDF，然后发送：

请先列出这份文档的目录结构和总页数，不要做摘要。
如果某些页面是扫描件、文字无法提取，请指出具体页码。

这一步的目的是确认文档解析是否完整。Le Chat 具备文档 OCR 能力，但扫描件的识别质量取决于原件清晰度，先确认哪些页没解析出来，比事后发现摘要缺章节要好。

第三步，生成结构化摘要。确认解析无误后，发送：

基于这份文档，输出以下结构：
1. 一句话结论（不超过 40 字）
2. 三个关键事实（每条不超过 30 字，注明所在章节）
3. 文中出现的所有量化数据（列表：指标名 / 数值 / 时间范围 / 所在页码）
4. 作者明确指出的局限性（列表，没有则写「无」）

要求：只使用文档中的信息，不要引入外部知识。

第四步，在 Canvas 里修订。打开 Canvas，把摘要贴进去，选中「量化数据」那一段，要求补上遗漏的指标；再选中「局限性」那一段，要求按原文措辞改写，不要概括。逐段修订比让模型重写全文更可控。

第五步，固化成 Agent。把第三步的提示词改写成 Agent 指令，角色设为「行业报告摘要助手」，边界写明「只依据用户提供的文档作答」，输出格式沿用上面的四段结构，工具权限只开文档解析，不开联网检索——因为这类任务要求答案严格来自原文，开检索反而会引入外部信息。

第六步，验证。换一份同类型的报告再跑一次，检查输出是否仍然落在四段结构里、量化数据是否带页码、有没有出现原文没有的推断。如果出现，回到 Agent 指令里把对应约束写得更死，比如把「不要引入外部知识」改成「任何未在文档中出现的数字或结论，一律标注为『未提及』」。

这个例子跑通之后，同一套骨架可以平移到合同条款摘要、竞品资料整理、会议纪要归档等场景，只需要替换角色描述和输出模板。

注意事项

关于模型与上下文

Le Chat 底层是 Mistral 的模型家族，不同档位可选的模型不同，免费档默认使用为速度优化的模型。旗舰模型的上下文窗口较大，但具体数值随模型版本变化，以官网当前信息为准。会话内的上下文是维持的，但跨会话不会自动继承，需要延续的设定要么写进 Agent，要么在新会话开头重新交代。

关于检索结果的可靠性

联网检索把回答建立在当前网页结果上，但网页本身可能过期、互相矛盾或带有推广内容。写提示词时要求标注来源、显式列出冲突，是降低误信风险的有效做法。涉及价格、配额、法规条款这类易变信息，最终仍要回到官方页面核对。

关于文档解析

文档 OCR 对扫描件的识别质量取决于原件清晰度。上传后先让模型列出目录和无法提取的页码，再决定是否继续，能避免在残缺的解析结果上做摘要。文档存储额度与项目数量按套餐不同，具体上限以官网当前信息为准。

关于代码解释器

代码解释器在沙箱中执行 Python，适合数据分析与计算验证，但执行结果不会自动持久化成文件。需要留存的结果，在对话里要求以表格或代码块形式输出，再自行保存。涉及敏感数据的分析，先确认数据是否可以上传到第三方服务。

关于记忆功能

Le Chat 会逐步记住你的偏好，免费账号的记忆条数有上限，Pro 与 Team 档上限更高。记忆是便利也是风险：如果长期在同一个账号里处理不同客户或不同项目的材料，偏好记忆可能把上一个场景的设定带进下一个场景。处理敏感或互斥的项目时，考虑分开账号或定期清理记忆。

关于 Agent 的稳定性

无代码 Agent 的行为由指令文本决定，指令写得越模糊，输出波动越大。上线前用真实素材批量试跑、逐条对照输出与预期，是必要的步骤。Agent 的工具权限只开真正需要的，权限开得越多，行为越难预测，排查问题也越困难。

关于价格与配额

本文涉及的套餐划分、价格、项目数、存储额度、记忆条数、图像生成次数等，都属于会随版本调整的信息。任何采购或团队推广决策，请以官网当前公布的信息为准。