MindSearch
v0.1.0
?紙|示範
英語 | 簡體中文
git clone https://github.com/InternLM/MindSearch
cd MindSearch
pip install -r requirements.txt
在設定API之前,您需要設定環境變數。將.env.example
檔案重新命名為.env
並填寫所需的值。
mv .env.example .env
# Open .env and add your keys and model configurations
設定 FastAPI 伺服器。
python -m mindsearch.app --lang en --model_format internlm_server --search_engine DuckDuckGoSearch --asy
--lang
:模型的語言, en
為英語, cn
為中文。
--model_format
:模型的格式。
internlm_server
用於與本機伺服器進行 InternLM2.5-7b-聊天。 (InternLM2.5-7b-chat針對中文進行了更好的最佳化。)gpt4
為 GPT4。如果您想使用其他型號,請修改型號--search_engine
:搜尋引擎。
DuckDuckGoSearch
DuckDuckGo 的搜尋引擎。BingSearch
用於必應搜尋引擎。BraveSearch
用於 Brave 搜尋 Web API 引擎。GoogleSearch
用於 Google Serper 網路搜尋 api 引擎。TencentSearch
搜尋 騰訊搜尋 API 引擎。請將您的網路搜尋引擎 API 金鑰設定為WEB_SEARCH_API_KEY
環境變量,除非您使用的是DuckDuckGo
,或需要金鑰 id 為TENCENT_SEARCH_SECRET_ID
且金鑰為TENCENT_SEARCH_SECRET_KEY
的TencentSearch
。
--asy
:部署非同步代理程式。
提供以下前端接口,
首先配置Vite代理的後端URL。
HOST= " 127.0.0.1 " # modify as you need
PORT=8002
sed -i -r " s/target:s* "" /target: " ${HOST} : ${PORT} " / " frontend/React/vite.config.ts
# Install Node.js and npm
# for Ubuntu
sudo apt install nodejs npm
# for windows
# download from https://nodejs.org/zh-cn/download/prebuilt-installer
# Install dependencies
cd frontend/React
npm install
npm start
詳細資訊可以在React中找到
python frontend/mindsearch_gradio.py
streamlit run frontend/mindsearch_streamlit.py
若要使用不同類型的 Web 搜尋 API,請修改位於mindsearch/agent/__init__.py
的searcher_cfg
中的searcher_type
屬性。目前支援的網路搜尋 API 包括:
GoogleSearch
DuckDuckGoSearch
BraveSearch
BingSearch
TencentSearch
例如,要變更為 Brave Search API,您可以按如下方式配置它:
BingBrowser (
searcher_type = 'BraveSearch' ,
topk = 2 ,
api_key = os . environ . get ( 'BRAVE_API_KEY' , 'YOUR BRAVE API' )
)
對於喜歡直接與後端互動的用戶,請使用backend_example.py
腳本。該腳本演示如何向後端發送查詢並處理回應。
python backend_example.py
在執行腳本之前,請確保您已設定環境變數並且後端正在執行。
python -m mindsearch.terminal
該專案是在 Apache 2.0 許可證下發布的。
如果您發現該項目對您的研究有用,請考慮引用:
@article{chen2024mindsearch,
title={MindSearch: Mimicking Human Minds Elicits Deep AI Searcher},
author={Chen, Zehui and Liu, Kuikun and Wang, Qiuchen and Liu, Jiangning and Zhang, Wenwei and Chen, Kai and Zhao, Feng},
journal={arXiv preprint arXiv:2407.20183},
year={2024}
}
探索我們對大型語言模型的其他研究,並專注於 LLM 代理。