我要投稿

变革！Perplexica：AI驱动的问答搜索引擎

发布日期：2024-05-06 12:21:49 浏览次数： 2384

Perplexica是一个开源的人工智能搜索工具，也可以说是一款人工智能搜索引擎，它深入互联网以找到答案。受Perplexity AI启发，它是一个开源选择，不仅可以搜索网络，还能理解您的问题。它使用先进的机器学习算法，如相似性搜索和嵌入式技术，以精细化结果，并提供附有来源的清晰答案。

利用SearxNG保持最新和完全开源，Perplexica确保您始终获取最新的信息，而不会损害您的隐私。

特点

本地LLMs：您可以利用Ollama使用本地LLMs，例如Llama3和Mixtral。
两种主要模式：
协作模式：（正在开发中）通过生成不同的查询来提升搜索效果，以找到更相关的互联网来源。与SearxNG仅使用上下文不同，它访问顶部匹配项并尝试直接从页面中找到与用户查询相关的来源。
普通模式：处理您的查询并执行网络搜索。
专注模式：用于更好地回答特定类型问题的特殊模式。Perplexica目前有

6种专注模式：

全模式：搜索整个网络以找到最佳结果。

写作助手模式：适用于不需要搜索网络的写作任务。

学术搜索模式：找到文章和论文，非常适合学术研究。

YouTube搜索模式：根据搜索查询找到YouTube视频。

Wolfram Alpha搜索模式：使用Wolfram Alpha回答需要计算或数据分析的查询。

Reddit搜索模式：在Reddit上搜索与查询相关的讨论和观点。

当前信息：一些搜索工具可能会提供过时的信息，因为它们使用爬行机器人的数据并将其转换为嵌入式并存储在索引中。与它们不同，Perplexica使用SearxNG，一个元搜索引擎来获取结果并重新排名，从中获取最相关的来源，确保您始终获取最新的信息，而无需进行每日数据更新。
它还有许多其他功能，如图像和视频搜索。一些计划中的功能在即将推出的功能中提到。

安装

安装Perplexica主要有两种方式 - 使用Docker，不使用Docker。强烈推荐使用Docker。

使用Docker开始（推荐）

1.确保在您的系统上安装并运行了Docker。

2.克隆Perplexica存储库：

git clone https://github.com/ItzCrazyKns/Perplexica.git

3.克隆后，导航到包含项目文件的目录。

4.将sample.config.toml文件重命名为config.toml。对于Docker设置，您只需要填写以下字段：

CHAT_MODEL：要使用的LLM的名称。比如 llama3:latest（使用Ollama），gpt-3.5-turbo（使用OpenAI），等等。

CHAT_MODEL_PROVIDER：聊天模型提供者，可以是openai或ollama。根据您使用的提供者，您需要填写以下字段：

OPENAI：您的OpenAI API密钥。如果您希望使用OpenAI的模型，则需要填写此项。

OLLAMA：您的Ollama API URL。您应该输入为http://host.docker.internal:PORT_NUMBER。如果您将Ollama安装在端口11434上，请使用http://host.docker.internal:11434。对于其他端口，请相应调整。如果您希望使用Ollama的模型而不是OpenAI的模型，则需要填写此项。

注意：您可以在运行Perplexica后更改这些内容，并且还可以从设置页面中使用不同的模型。

SIMILARITY_MEASURE：要使用的相似度度量（默认情况下已填写；如果您不确定，请保留原样）。

5.确保您位于包含docker-compose.yaml文件的目录中，并执行：

docker compose up -d

6.等待几分钟，直到设置完成。您可以在Web浏览器中通过http://localhost:3000访问Perplexica。

注意：在构建容器后，您可以直接从Docker启动Perplexica，无需打开终端。

非Docker安装

对于不使用Docker的设置：

按照克隆存储库和将sample.config.toml文件重命名为根目录下的config.toml的初始步骤。您需要在此文件中填写所有字段。
此外，请将ui文件夹中的.env.example文件重命名为.env并完成所有字段。
非Docker设置需要手动配置后端和前端。

注意：建议使用Docker，因为它简化了设置过程，特别是管理环境变量和依赖项。

53AI，企业落地应用大模型首选服务商

产品：大模型应用平台+智能体定制开发+落地咨询服务

承诺：先做场景POC验证，看到效果再签署服务协议。零风险落地应用大模型，已交付160+中大型企业

160+中大型企业正在使用53AI

立即咨询预约演示

百度智能云邀53AI：共创AI新纪元，启航智能新时代

2024-05-27

钉钉恒星计划：53AI与百余位企业家及钉钉生态伙伴，共议“AI 浪潮下的新机遇”

2024-05-22

热点资讯

最强 GPT 免费使用！GPT4O 开启多模态新时代！

2024-05-14

全民AI时代：手把手教你用Ollama & AnythingLLM搭建AI知识库，无需编程，跟着做就行！

2024-04-26

【开源看AI】4.9K star！Khoj：完美融合本地文档和在线网页的AI第二大脑

2024-05-22

OLLama详细的 api 介绍不完全指南 python 直接调用 OLLama api 翻译助手演示

2024-04-12

GraphRAG+Ollama 本地部署，保姆教程，踩坑无数，闭坑大法

2024-07-18

万字长文解析：大模型需要怎样的硬件算力

2024-03-30

微调神器LLaMA-Factory官方保姆级教程来了，从环境搭建到模型训练评估全覆盖

2024-05-10

开源项目Composio：突破 AI 智能体开发的边界

2024-08-13

更改ollama模型存储路径

2024-04-25

全面对比dify、coze、streamlit、chainlit

2024-04-26

大家都在问

为什么需要Agent?

2024-09-22

阿里巴巴发布Qwen2.5，对标GPT o1？

2024-09-22

深度解析：Apple Intelligence 真相揭秘 - 国行iPhone 16是否真的'阉割'?

2024-09-22

OpenAI o1的架构流程已被Claude破解了？

2024-09-21

从 Data 到 Data + AI，必然之路还是盲目跟风？

2024-09-21

疯狂星期四Qwen2.5开源，通义成了最Open的AI?

2024-09-20

在长上下文LLM的时代，RAG是否仍然必要？

2024-09-20

【AI赋能】揭秘大模型微调：如何让机器智能跃升一个台阶？

2024-09-19

开箱即用的企业大模型应用平台

工作+AI

业务+AI

AIx业务

大模型咨询

大模型定制

相关资讯

160+中大型企业正在使用53AI

百度智能云邀53AI：共创AI新纪元，启航智能新时代

钉钉恒星计划：53AI与百余位企业家及钉钉生态伙伴，共议“AI 浪潮下的新机遇”

热点资讯

最强 GPT 免费使用！GPT4O 开启多模态新时代！

全民AI时代：手把手教你用Ollama & AnythingLLM搭建AI知识库，无需编程，跟着做就行！

【开源看AI】4.9K star！Khoj：完美融合本地文档和在线网页的AI第二大脑

OLLama详细的 api 介绍不完全指南 python 直接调用 OLLama api 翻译助手演示

GraphRAG+Ollama 本地部署，保姆教程，踩坑无数，闭坑大法

万字长文解析：大模型需要怎样的硬件算力

微调神器LLaMA-Factory官方保姆级教程来了，从环境搭建到模型训练评估全覆盖

开源项目Composio：突破 AI 智能体开发的边界

更改ollama模型存储路径

全面对比dify、coze、streamlit、chainlit

大家都在问

为什么需要Agent?

阿里巴巴发布Qwen2.5，对标GPT o1？

深度解析：Apple Intelligence 真相揭秘 - 国行iPhone 16是否真的'阉割'?

OpenAI o1的架构流程已被Claude破解了？

从 Data 到 Data + AI，必然之路还是盲目跟风？

疯狂星期四Qwen2.5开源，通义成了最Open的AI?

在长上下文LLM的时代，RAG是否仍然必要？

【AI赋能】揭秘大模型微调：如何让机器智能跃升一个台阶？

热门标签

开箱即用的企业大模型应用平台

工作+AI

业务+AI

AIx业务

大模型咨询

大模型定制

相关资讯

160+中大型企业正在使用53AI

百度智能云邀53AI：共创AI新纪元，启航智能新时代

钉钉恒星计划：53AI与百余位企业家及钉钉生态伙伴，共议“AI 浪潮下的新机遇”

热点资讯

最强 GPT 免费使用！GPT4O 开启多模态新时代！

全民AI时代：手把手教你用Ollama & AnythingLLM搭建AI知识库，无需编程，跟着做就行！

【开源看AI】4.9K star！Khoj：完美融合本地文档和在线网页的AI第二大脑

OLLama详细的 api 介绍 不完全指南 python 直接调用 OLLama api 翻译助手演示

GraphRAG+Ollama 本地部署，保姆教程，踩坑无数，闭坑大法

万字长文解析：大模型需要怎样的硬件算力

微调神器LLaMA-Factory官方保姆级教程来了，从环境搭建到模型训练评估全覆盖

开源项目Composio：突破 AI 智能体开发的边界

更改ollama模型存储路径

全面对比dify、coze、streamlit、chainlit

大家都在问

为什么需要Agent?

阿里巴巴发布Qwen2.5，对标GPT o1？

深度解析：Apple Intelligence 真相揭秘 - 国行iPhone 16是否真的&#39;阉割&#39;?

OpenAI o1的架构流程已被Claude破解了？

从 Data 到 Data + AI，必然之路还是盲目跟风？

疯狂星期四Qwen2.5开源，通义成了最Open的AI?

在长上下文LLM的时代，RAG是否仍然必要？

【AI赋能】揭秘大模型微调：如何让机器智能跃升一个台阶？

热门标签

OLLama详细的 api 介绍不完全指南 python 直接调用 OLLama api 翻译助手演示

深度解析：Apple Intelligence 真相揭秘 - 国行iPhone 16是否真的'阉割'?