访问官网
Github
论文MindSearch 项目介绍
项目概述
MindSearch 是一个旨在模拟人类思维的深度 AI 搜索器，其目标是通过高级人工智能技术改进搜索体验。该项目不仅提高了搜索能力，还通过创新机制使用户的搜索更加高效和人性化。
项目进展
在 2024 年 11 月 5 日，MindSearch 已经在 Puyu 平台上线，用户可以通过 这个链接 进行体验。此次更新主要包括重构了基于 Lagent v0.5 的代理模块，这使得系统在并发情况下的性能得到了提升。此外，用户界面也进行了改进，支持同时进行多个查询的搜索。
如何构建 MindSearch
步骤一：安装依赖
首先，需要从 GitHub 仓库克隆 MindSearch 项目，并安装所需的 Python 依赖：
git clone https://github.com/InternLM/MindSearch
cd MindSearch
pip install -r requirements.txt
步骤二：设置环境变量
在设置 API 之前，需要配置环境变量。将.env.example文件重命名为.env，并填写必要的参数。
mv .env.example .env
步骤三：设置 MindSearch API
通过 FastAPI 启动服务器：
python -m mindsearch.app --lang en --model_format internlm_server --search_engine DuckDuckGoSearch --asy
- 参数
--lang定义模型语言，可以设置为en（英语）或cn（中文）。 - 参数
--model_format定义模型格式，如internlm_server（适用于本地优化的 InternLM2.5-7b-chat）或gpt4。 - 参数
--search_engine定义使用的搜索引擎，例如DuckDuckGoSearch、BingSearch、BraveSearch、GoogleSearch或TencentSearch。
请确保为你选择的搜索引擎设置相应的 API 密钥。
步骤四：设置 MindSearch 前端
MindSearch 提供多种前端接口，包括 React、Gradio 和 Streamlit。
- React 前端配置：
首先，在 vite.config.ts 文件中配置后端 URL：
HOST="127.0.0.1"
PORT=8002
sed -i -r "s/target:\s*\"\"/target: \"${HOST}:${PORT}\"/" frontend/React/vite.config.ts
然后安装 Node.js 和 npm，接着安装项目依赖：
cd frontend/React
npm install
npm start
- Gradio 前端启动：
python frontend/mindsearch_gradio.py
- Streamlit 前端启动：
streamlit run frontend/mindsearch_streamlit.py
变更 Web 搜索 API
用户可以通过修改 mindsearch/agent/__init__.py 中的 searcher_type 属性来更换不同类型的 Web 搜索 API。例如，若想改用 Brave Search API，可以进行如下配置：
BingBrowser(
searcher_type='BraveSearch',
topk=2,
api_key=os.environ.get('BRAVE_API_KEY', 'YOUR BRAVE API')
)
不使用前端的情况下操作后端
对于更倾向于直接与后端交互的用户，可以使用 backend_example.py 脚本来演示如何发送查询到后端并处理返回结果：
python backend_example.py
确保在执行脚本之前已设置好环境变量并运行后端。
本地调试
使用下面的命令在本地终端进行调试：
python -m mindsearch.terminal
许可证
该项目以 Apache 2.0 许可证 发布。
引用
如果在研究中发现该项目有用，请考虑引用：
@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}
}
我们的其他项目
进一步探索我们在大型语言模型上的研究，项目包括：
