3K star亮点!探索AI搜索的开源项目之旅

发表时间: 2024-05-01 10:54

如何利用AI的能力来强化搜索一直是业内的关注方向,大家都希望可以给用户带来更好的体验。

今天我们分享一个开源项目,它也同样受Perplexity启发,利用AI的能力来提升搜索体验,它就是:llm-answer-engine

llm-answer-engine 是什么

llm-answer-engine 是一个开源的AI增强搜索引擎,它包含构建复杂答案引擎所需的代码和指令,该引擎利用Groq、Mistral AI 的 Mixtral、Langchain.JS、Brave Search、Serper API和OpenAI的功能。

该项目旨在根据用户查询高效地返回源、答案、图像、视频和后续问题,是对自然语言处理和搜索技术感兴趣的开发人员的理想起点。

项目使用的技术栈:

  • Next.js:用于构建服务器端渲染和静态 Web 应用程序的 React 框架。
  • Tailwind CSS:实用程序优先的 CSS 框架,用于快速构建自定义用户界面。
  • Vercel AI SDK:Vercel AI SDK 是一个用于构建人工智能驱动的流文本和聊天 UI 的库。
  • Groq & Mixtral:处理和理解用户查询的技术。
  • Langchain.JS:一个专注于文本操作的 JavaScript 库,例如文本分割和嵌入。
  • Brave Search:一个注重隐私的搜索引擎,用于采购相关内容和图像。
  • Serper API:用于根据用户的查询获取相关的视频和图像结果。
  • OpenAI Embeddings:用于创建文本块的矢量表示。
  • Cheerio:用于 HTML 解析,允许从网页中提取内容。
  • Ollama(可选):用于流式推理和嵌入。
  • Upstash Redis 速率限制(可选):用于为应用程序设置速率限制。

项目的作者在网上发布了很详细的项目介绍,里面详细的说明的项目的基本结构和实现的思路等,有条件的话,非常值得去看一下,这样还可以省下阅读代码的时间,效率更高。可以看下下图,里面就有了大致的一个思路和步骤,其实看起来不难,但是落地就不容易。

安装使用llm-answer-engine

安装前准备:

1. 需要确保你的环境中已经安装好Nodejs和NPM2. 项目会使用到4种API key:	OpenAI	Groq	Brave Search	Serper	密钥的获取方式可以从对应的网站查看。

安装部署

接下来我们可以开始从源码安装,可以通过以下步骤:

#获取代码git clone <https://github.com/developersdigest/llm-answer-engine.git>#安装依赖npm install#配置env,在根目录下新建.env,添加提前准备好的API keyOPENAI_API_KEY=your_openai_api_keyGROQ_API_KEY=your_groq_api_keyBRAVE_SEARCH_API_KEY=your_brave_search_api_keySERPER_API=your_serper_api_key

安装完成后就可以起动服务了。

npm run dev

完成安装后我们可以体验 llm-answer-engine ,它总体上可以帮我们:

  • 快速建立问答系统:通过集成不同AI模型,快速搭建一个能够处理多种类型问题的智能问答平台。
  • 高效答案检索:利用Groq的向量数据库能力,对大规模知识库进行高效的近似最邻近搜索,确保问题得到精准匹配的答案。
  • 模块化开发:借助Mixtral和Langchain,开发者可以便捷地添加、移除或替换不同模块,以适应不同场景需求。

编辑配置

配置文件位于该app/config.tsx文件中。您可以修改以下值

- useOllamaInference: false,- useOllamaEmbeddings:假,- 推理模型:'mixtral-8x7b-32768',- inferenceAPIKey:process.env.GROQ_API_KEY,- embeddingsModel: 'text-embedding-3-small',- 文本块大小:800,- 文本块重叠:200,- numberOfSimilarity结果:2,- 扫描页数:10,- nonOllamaBaseURL: ' <https://api.groq.com/openai/v1>'- useFunctionCalling: true- useRateLimiting: false

总结

llm-answer-engine 构建了一个比较完整的AI增强搜索,覆盖到了目前主流的技术实现,所以如果对这个方向有关注,那么可以参考和学习一下其内在的实现逻辑。从整体上也可以总结一下它具备的特点:

  1. 多模型融合:项目支持集成多种AI服务商的大型语言模型,如OpenAI GPT系列,为用户提供丰富且准确的答案来源。
  2. 高性能架构:运用Groq作为底层向量数据库,确保了在大规模数据环境下快速有效地检索和生成答案。
  3. 灵活性与扩展性:通过Mixtral和Langchain组件,项目具备极强的模块化和可扩展能力,方便开发者根据不同需求定制和增强问答引擎。
  4. 前端优化:依托Next.js框架,构建出响应式、高性能的用户界面,实现无缝的交互体验。
  5. 隐私与安全性:与Brave浏览器技术相结合,强化了用户数据保护和隐私安全措施。

目前国内在这个方向上也有很多的企业在发力,比如Kimi和秘塔搜索等,所以了解现有的一些实现方式,思考如何进一步创新非常重要。

项目信息

  • 项目名称: llm-answer-engine
  • GitHub 链接:https://github.com/developersdigest/llm-answer-engine
  • Star 数:3K