ai-powered-search

ai-powered-search

现代搜索引擎的AI驱动技术实践

AI-Powered Search项目展示了现代搜索引擎的AI驱动技术,包括语义搜索、检索增强生成和个性化搜索等。项目基于Python和PySpark开发,支持多种搜索引擎和向量数据库。通过Docker容器和Jupyter Notebooks,开发者可以实践《AI-Powered Search》一书中的代码示例,深入学习构建智能搜索引擎的先进技术。

AI搜索引擎机器学习自然语言处理语义搜索Apache SolrGithub开源项目

AI 驱动的搜索

《AI 驱动的搜索》一书的代码示例,作者为 Trey Grainger、Doug Turnbull 和 Max Irwin。由 Manning Publications 出版。

<br/>

<a href="https://aipoweredsearch.com/the-book?origin=code-readme"><img src="https://aipoweredsearch.com/images/book-cover.jpg?origin=code-readme" width="250px"></a>

书籍概述

《AI 驱动的搜索》教你最新的机器学习技术,以构建能够不断从用户和内容中学习的搜索引擎,从而驱动更加领域感知和智能的搜索。

搜索引擎技术正在快速发展,人工智能(AI)推动了大部分创新。众包相关性和大型语言模型(LLMs)如 GPT 等基础模型的整合正在大幅加速搜索技术的能力和期望。

AI 驱动的搜索将教你现代的、数据科学驱动的搜索技术,如:

  • 使用基础模型的密集向量嵌入进行语义搜索
  • 检索增强生成
  • 结合搜索和 LLMs 的问答和摘要
  • 微调基于 transformer 的 LLMs
  • 基于用户信号和向量嵌入的个性化搜索
  • 收集用户行为信号并构建信号提升模型
  • 用于特定领域学习的语义知识图谱
  • 实现机器学习排序模型(学习排序)
  • 构建点击模型以自动化机器学习排序
  • 生成式搜索、混合搜索和搜索前沿

如今的搜索引擎需要具备智能,理解自然语言查询的细微差别,以及每个用户的偏好和上下文。本书使你能够构建利用用户交互和内容中隐藏的语义关系的搜索引擎,自动提供更好、更相关的搜索体验。

如何运行

为了简化设置,所有代码都以 Jupyter Notebooks 的形式提供,并打包在 Docker 容器中。这意味着只需安装 Docker,然后拉取(或构建)并运行本书的 Docker 容器即可完成所有必要的设置。本书的附录 A 提供了运行代码示例的完整分步说明,但你可以运行以下命令快速启动:

如果你还没有将源代码拉取到本地,请运行:

git clone https://github.com/treygrainger/ai-powered-search.git

然后,要构建并启动带有交互式 Jupyter notebooks 的代码库,请运行:

cd ai-powered-search
docker compose up

就这么简单!一旦容器构建完成并运行(这可能需要一些时间,特别是首次构建时),访问: http://localhost:8888 以启动 Welcome notebook,查看本书所有实时代码示例的目录。

<img src="https://aipoweredsearch.com/images/welcome.ipynb.jpg?origin=code-readme" width="1024px"></a>

支持的技术

AI 驱动的搜索教授许多利用机器学习方法的现代搜索技术。虽然我们使用特定技术来演示概念,但大多数技术适用于许多现代搜索引擎和向量数据库。

在本书中,所有代码示例都使用 PythonPySpark(Apache Spark 的 Python 接口)被大量用于数据处理任务。本书示例默认使用的搜索引擎是 Apache Solr,但大多数示例都抽象于特定搜索引擎之外,不久将为大多数流行的搜索引擎和向量数据库提供可替换的实现。有关搜索引擎抽象和自定义集成的更多信息,请查看 引擎文档

查看完整列表支持的搜索引擎和向量数据库

[注意:如果你在搜索引擎/向量数据库公司、项目或托管提供商工作,并希望与我们合作支持你的引擎,请联系 trey@searchkernel.com]

问题和帮助

购买《AI 驱动的搜索》包括在线访问 Manning 的 LiveBook 论坛。这使你可以对书中的任何部分提供评论和提问。此外,欢迎在项目的官方 Github 仓库 https://github.com/treygrainger/ai-powered-search 提交拉取请求、Github 问题或评论。

许可

除非另有说明,本仓库中的所有代码均在 Apache License, Version 2.0 (ASL 2.0) 下开源。

请注意,执行代码时可能会拉取遵循其他许可的额外依赖项,因此在项目中使用它们之前,请务必检查这些许可是否适合。代码还可能拉取受各种许可约束的数据集,其中一些可能来自 AI 模型,一些可能来自受出版国(美国)版权法合理使用原则约束的网络爬虫数据。任何此类数据集都按"原样"发布,仅用于演示书中的概念,这些数据集及其相关许可可能会随时间而变化。

购买本书

如果你还没有本书,请通过购买《AI 驱动的搜索》来支持作者和出版商。它将逐步指导你理解本仓库代码示例中展示的概念和技术,提供必要的背景和见解,帮助你更好地理解这些技术。

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多