AI Personal Learning
und praktische Anleitung

Neugier: Aufbau eines Perplexity-ähnlichen KI-Suchwerkzeugs mit LangGraph

Allgemeine Einführung

Curiosity ist ein Projekt zur Erforschung und zum Experimentieren, das hauptsächlich die Technologiepakete LangGraph und FastHTML verwendet, mit dem Ziel, eine ähnliche Perplexität AI des Suchprodukts. Das Herzstück des Projekts ist eine einfache ReAct Curiosity unterstützt eine Vielzahl von großen Sprachmodellen (LLMs), darunter gpt-4o-mini von OpenAI, llama3-groq-8b-8192-tool-use-preview von Groq und das Ollama Das Projekt konzentriert sich nicht nur auf die technische Umsetzung, sondern verwendet auch viel Zeit auf das Front-End-Design, um ein hochwertiges visuelles und interaktives Erlebnis zu gewährleisten.

Neugier: Aufbau eines Perplexity-ähnlichen KI-Suchwerkzeugs mit LangGraph-1


 

Funktionsliste

  • Verwendung von LangGraph und dem FastHTML-Technologie-Stack
  • Integrierte Tavily-Suche Verbesserte Texterstellung
  • Unterstützung für mehrere LLMs, einschließlich gpt-4o-mini, llama3-groq und llama3.1
  • Bietet flexible Back-End-Switching-Funktionen
  • Das Frontend ist mit FastHTML aufgebaut und unterstützt WebSockets-Streaming.

 

Hilfe verwenden

Installationsschritte

  1. Klon-Lagerhaus:
    git klonen. https://github.com/jank/curiosity
    
  2. Stellen Sie sicher, dass Sie den neuesten Python3-Interpreter haben.
  3. Richten Sie die virtuelle Umgebung ein und installieren Sie die Abhängigkeiten:
    python3 -m venv venv
    Quelle venv/bin/aktivieren
    pip install -r anforderungen.txt
    
  4. einrichten. .env und setzen Sie die folgenden Variablen:
    OPENAI_API_KEY=
    GROQ_API_KEY=
    TAVILY_API_KEY=
    LANGCHAIN_TRACING_V2=true
    LANGCHAIN_ENDPOINT="https://api.smith.langchain.com"
    LANGSMITH_API_KEY=
    LANGCHAIN_PROJECT="Neugierde"
    
  5. Führen Sie das Projekt aus:
    python neugier.py
    

Richtlinien für die Verwendung

  1. Initiierung von Projekten: Lauf python neugier.py Danach wird das Projekt auf dem lokalen Server gestartet und ausgeführt.
  2. LLM wählenWählen Sie das geeignete LLM (z. B. gpt-4o-mini, llama3-groq oder llama3.1) entsprechend Ihren Bedürfnissen.
  3. Suche mit TavilyReAct Agent: Geben Sie eine Anfrage in einen Dialog ein und der ReAct Agent erweitert die Texterstellung um die Tavily-Suche.
  4. Front-End-InteraktionDas Frontend des Projekts wurde mit FastHTML erstellt und unterstützt WebSockets-Streaming, um Echtzeit-Reaktionen zu gewährleisten.

allgemeine Probleme

  • Wie man den LLM wechselt: in .env Datei, um den entsprechenden API-Schlüssel zu konfigurieren und die gewünschte LLM beim Start des Projekts auszuwählen.
  • WebSockets-ProblemeWenn Sie Probleme mit dem Schließen von WebSockets ohne ersichtlichen Grund haben, sollten Sie Ihre Netzwerkverbindung und Ihre Serverkonfiguration überprüfen.
AI Leichtes Lernen

Der Leitfaden für Laien zum Einstieg in die KI

Hilft Ihnen, die Nutzung von KI-Tools kostengünstig und von Null an zu erlernen.KI ist, wie Bürosoftware, eine wesentliche Fähigkeit für jeden. Die Beherrschung von KI verschafft Ihnen einen Vorteil bei der Stellensuche und die Hälfte des Aufwands bei Ihrer zukünftigen Arbeit und Ihrem Studium.

Details ansehen>
Darf nicht ohne Genehmigung vervielfältigt werden:Chef-KI-Austauschkreis " Neugier: Aufbau eines Perplexity-ähnlichen KI-Suchwerkzeugs mit LangGraph

Chef-KI-Austauschkreis

Der Chief AI Sharing Circle konzentriert sich auf das KI-Lernen und bietet umfassende KI-Lerninhalte, KI-Tools und praktische Anleitungen. Unser Ziel ist es, den Nutzern dabei zu helfen, die KI-Technologie zu beherrschen und gemeinsam das unbegrenzte Potenzial der KI durch hochwertige Inhalte und den Austausch praktischer Erfahrungen zu erkunden. Egal, ob Sie ein KI-Anfänger oder ein erfahrener Experte sind, dies ist der ideale Ort für Sie, um Wissen zu erwerben, Ihre Fähigkeiten zu verbessern und Innovationen zu verwirklichen.

Kontaktieren Sie uns
de_DE_formalDeutsch (Sie)