Deep-Seek: 下一代 LLM 驱动的检索引擎 🚀
Deep-Seek 是一个实验性的 LLM 驱动互联网规模检索引擎架构。与传统的研究代理不同,Deep-Seek 旨在处理大量信息源,收集全面的实体列表,而不仅仅是寻找单一正确答案。
项目特点
- 🔍 检索引擎而非答案引擎
- 📊 输出结果为包含所有检索实体和丰富列的表格
- 🧠 利用 LLM 进行多步骤研究代理
- 🌐 处理大量互联网信息源
快速开始
- 安装依赖
npm install
或
yarn install
或
pnpm install
2. 设置环境变量
创建 `.env` 文件,添加以下内容:
ANTHROPIC_KEY="your_anthropic_api_key" EXA_KEY="your_exa_api_key"
3. 运行开发服务器
npm run dev
或
yarn dev
或
pnpm dev
4. 访问 [http://localhost:3000](http://localhost:3000) 开始使用
### 系统架构
Deep-Seek 的研究管道分为四个主要步骤:
1. 规划:根据用户查询构建结果框架
2. 搜索:使用关键词搜索和神经搜索查找相关内容
3. 提取:使用 LLM 从搜索结果中提取特定实体和相关内容
4. 丰富:使用较小的答案代理为每个实体丰富规划器定义的所有列
![Deep-Seek 工作流程](https://yellow-cdn.veclightyear.com/b66f4b6e/6f468f9a-d550-4d8d-bae4-a8432889cc36.png)
### 未来工作
- 对检索到的实体进行排序和排名
- 改进实体解析以检测重复实体
- 支持深度浏览信息源
- 实时数据流支持
### 相关资源
- [项目 GitHub 仓库](https://github.com/dzhng/deep-seek)
- [在线演示](https://deep-seek.vercel.app/)
- [安装文档](https://github.com/dzhng/deep-seek/blob/main/docs/install.md)
Deep-Seek 是一个创新的 LLM 驱动检索引擎项目,旨在改变我们处理和分析大规模信息的方式。无论你是研究人员、开发者还是对 AI 技术感兴趣的爱好者,Deep-Seek 都提供了一个值得探索的新领域。欢迎查看项目文档,尝试演示,或者直接参与到项目开发中来!
如果你对这个项目感兴趣或有任何想法,可以通过 [david@aomni.com](mailto:david@aomni.com) 联系作者或在 [Twitter](https://twitter.com/dzhng) 上与他交流。让我们一起探索 LLM 驱动检索引擎的未来吧!🌟