Deep-Seek 学习资料汇总 - LLM 驱动的大规模检索引擎

Ray

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。

Deep-Seek 结果示例

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

  1. 安装依赖

npm install

yarn install

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

yarn dev

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!🌟
avatar
0
0
0
相关项目
Project Cover

deep-seek

该项目引入了一种基于LLM的大规模互联网检索引擎的实验性架构,与传统的答案引擎不同,它旨在处理大量来源,收集综合实体列表。项目展示了检索代理通过计划、搜索、提取和丰富等步骤生成包含信任评分的详细表格。该架构的亮点在于其高效的令牌使用和广泛的数据处理能力,适用于需要深入检索和详细信息的场景。用户可以访问示例结果,深入了解其架构特点和潜在改进空间。

Project Cover

deepseek-free-api

DeepSeek Free 服务提供高速流式输出和多轮对话功能,零配置快速部署,并兼容 ChatGPT 接口。通过 Docker、Render、Vercel 等多种方式轻松部署,多账号 userToken 使用实现灵活对话。详细教程和丰富接口文档便于开发者快速上手,简化集成过程。

Project Cover

awesome-deepseek-integration

该项目收录了多种集成DeepSeek API的应用程序、框架和插件,形式包括桌面客户端、移动应用、浏览器扩展和IDE插件等。涉及领域广泛,如聊天、翻译和代码辅助。这些工具让用户能在不同场景中轻松使用DeepSeek的AI功能,提高工作效率。项目不断更新,为开发者和用户提供多样化的DeepSeek API集成选择。

Project Cover

deepseek-math-7b-rl

DeepSeekMath-Instruct和DeepSeekMath-RL模型以创新方式解答数学问题,采用逐步推理法得出答案。模型支持多语言输入,适用于商业用途,利用深度学习技术提升用户体验。探索这些工具如何助力高效的数学计算与分析。

最新项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号