agent-search - 提升搜索代理与本地搜索能力的先进框架

AgentSearch 项目介绍

AgentSearch 是一个框架，旨在通过将不同供应商的语言模型技术（LLM）与各类搜索引擎无缝集成，从而支持搜索代理。这种集成使得搜索代理可以通过检索增强生成（RAG）执行多种功能，包括总结搜索结果、生成新查询和检索详细的后续结果。

AgentSearch 的功能特色

搜索代理集成：轻松构建搜索代理，只需将任何专注于搜索的 LLM，如 Sensei-7B，与支持的搜索引擎连接即可。
可定制搜索：结合使用 AgentSearch 数据集，可以部署可自定义的本地搜索引擎。
API 端点集成：与各种托管提供商 API 无缝集成，提供使用便捷且灵活的搜索解决方案，包括 Bing、SERP API 和 AgentSearch。同时，框架支持来自 SciPhi、HuggingFace、OpenAI、Anthropic 等的 LLMs。

快速入门指南

安装

可以通过以下命令进行安装：

pip install agent-search

配置

从 SciPhi 获取免费 API 密钥，并在环境中设置：

export SCIPHI_API_KEY=$MY_SCIPHI_API_KEY

使用方法

调用预配置的搜索代理端点：

from agent_search import SciPhi

client = SciPhi()

# 搜索，摘要结果并生成相关查询
agent_summary = client.get_search_rag_response(query='latest news', search_provider='bing', llm_model='SciPhi/Sensei-7B-V1')
print(agent_summary)

支持独立搜索以及使用 AgentSearch 搜索引擎：

from agent_search import SciPhi

client = SciPhi()

# 执行搜索
search_response = client.search(query='Quantum Field Theory', search_provider='agent-search')

print(search_response)

自定义编写搜索代理工作流程：

from agent_search import SciPhi

client = SciPhi()

instruction = "Your task is to perform retrieval augmented generation (RAG) over the given query and search results. Return your answer in a json format that includes a summary of the search results and a list of related queries."
query = "What is Fermat's Last Theorem?"

search_response = client.search(query=query, search_provider='agent-search')
search_context = "\n\n".join(
      f"{idx + 1}. Title: {item['title']}\nURL: {item['url']}\nText: {item['text']}"
      for idx, item in enumerate(search_response)
).encode('utf-8')

json_response_prefix = '{"summary":'
formatted_prompt = f"### Instruction:{instruction}\n\nQuery:\n{query}\n\nSearch Results:\n${search_context}\n\nQuery:\n{query}\n### Response:\n{json_response_prefix}"

completion = json_response_prefix + client.completion(formatted_prompt, llm_model_name="SciPhi/Sensei-7B-V1")
print(completion)

社区与支持

与我们互动：加入我们的 Discord 社区，参与讨论和获取更新。
反馈与咨询：通过电子邮件联系我们，获取个性化支持。

其他说明

请从 AgentSearch 项目的根目录执行命令。
用户指南即将推出！