微信扫码
添加专属顾问
我要投稿
MindSearch 是一个开源的 AI 搜索引擎框架,具有与 Perplexity.ai Pro 相同的性能。您可以轻松部署它来构建您自己的搜索引擎,可以使用闭源 LLM(如 GPT、Claude)或开源 LLM(如 InternLM2.5-7b-chat)。其拥有以下特性:
在深度、广度和生成响应的准确性三个方面,对 ChatGPT-Web、Perplexity.ai(Pro)和 MindSearch 的表现进行比较。评估结果基于 100 个由人类专家精心设计的现实问题,并由 5 位专家进行评分*。
pip install -r requirements.txt
启动 FastAPI 服务器
python -m mindsearch.app --lang en --model_format internlm_server
--lang
: 模型的语言,en
为英语,cn
为中文。--model_format
: 模型的格式。internlm_server
为 InternLM2.5-7b-chat 本地服务器。gpt4
为 GPT4。如果您想使用其他模型,请修改 models提供以下几种前端界面:
# 安装 Node.js 和 npm
# 对于 Ubuntu
sudo apt install nodejs npm
# 对于 Windows
# 从 https://nodejs.org/zh-cn/download/prebuilt-installer 下载
cd frontend/React
npm install
npm start
更多细节请参考 React
python frontend/mindsearch_gradio.py
streamlit run frontend/mindsearch_streamlit.py
python mindsearch/terminal.py
选择 InternStudio 算力平台 50% A100 的 cuda 12.2 的开发机,并使用ssh vscode 远程连接到开发机。
MindSearch(欢迎 Star):https://github.com/InternLM/MindSearch
激活环境
conda activate /share/pre_envs/mindsearch
打开新终端运行以下命令启动推理后端,使用在“书生大模型实战营”入门岛中学到的方式使用 vscode 或者 ssh 将端口映射到本地 8002 端口。
conda activate /share/pre_envs/mindsearch
cd /share/demo/MindSearchDuck
python -m mindsearch.app --lang cn --model_format internstudio_server
再打开一个新终端运行以下命令启动前端,使用在“书生大模型实战营”入门岛中学到的方式使用 vscode 或者 ssh 将端口映射到本地 7860 端口。
conda activate /share/pre_envs/mindsearch
cd /share/demo/MindSearchDuck
python run.py
本地浏览器打开 http://localhost:7860 地址,开始 MindSearch 之旅。
激活环境
conda activate /share/pre_envs/mindsearch
打开新终端运行以下命令启动推理后端,使用在“书生大模型实战营”入门岛中学到的方式使用 vscode 或者 ssh 将端口映射到本地 8002 端口。
export BING_API_KEY='YOU BING API Key'
conda activate /share/pre_envs/mindsearch
cd /share/demo/MindSearchBing
python -m mindsearch.app --lang cn --model_format internstudio_server
再打开一个新终端运行以下命令启动前端,使用在“书生大模型实战营”入门岛中学到的方式使用 vscode 或者 ssh 将端口映射到本地 7860 端口。
conda activate /share/pre_envs/mindsearch
cd /share/demo/MindSearchBing
python run.py
该项目按照 Apache 2.0 许可证 发行。
如果此项目对您的研究有帮助,请参考如下方式进行引用:
@misc{chen2024mindsearchmimickinghumanminds,
title={MindSearch: Mimicking Human Minds Elicits Deep AI Searcher},
author={Zehui Chen and Kuikun Liu and Qiuchen Wang and Jiangning Liu and Wenwei Zhang and Kai Chen and Feng Zhao},
year={2024},
eprint={2407.20183},
archivePrefix={arXiv},
primaryClass={cs.CL},
url={https://arxiv.org/abs/2407.20183},
}
53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费场景POC验证,效果验证后签署服务协议。零风险落地应用大模型,已交付160+中大型企业
2025-04-27
看不懂GitHub代码?刚刚这个AI工具让全球每个GitHub项目开口说话
2025-04-27
使用MCP构建?注意安全漏洞
2025-04-27
开源大模型工具全景图!Hugging Face、OlmOCR 、Dify,开发者必藏的核心工具选型指南
2025-04-27
LLaMA Factory 框架深度解析
2025-04-26
Spring AI Alibaba搭建机票助手(实战篇)
2025-04-26
我在通用Agent上的探索设计初稿
2025-04-26
Ollama-Deep-Researcher-本地Mac结合魔搭社区模型搭建网页研究助手
2025-04-25
Manus开源版本!无需邀请码,老金手把手教你咋用!
2024-07-25
2025-01-01
2025-01-21
2024-05-06
2024-09-20
2024-07-20
2024-07-11
2024-06-12
2024-08-13
2024-12-26
2025-04-21
2025-04-19
2025-04-17
2025-04-15
2025-04-13
2025-04-10
2025-04-07
2025-04-03