OpenDeepSearch: ein Open-Source-Suchwerkzeug, das intelligente Schlussfolgerungen unterstützt

Allgemeine Einführung

OpenDeepSearch ist ein Open-Source-Suchwerkzeug, das vom sentient-agi-Team entwickelt wurde. Es kombiniert Large Language Modelling (LLM) und Intelligent Reasoning Agents, um Nutzern die Möglichkeit zu geben, im Internet nach Informationen zu suchen und auf einfache Weise genaue Antworten zu erhalten. Das Ziel dieses Tools ist es, die Suche offener und intelligenter zu gestalten, ohne sich auf geschlossene kommerzielle Systeme zu verlassen. Es unterstützt sowohl schnelle als auch tiefe Suchmodi und eignet sich für die Beantwortung einfacher Fragen oder komplexer mehrstufiger Fragen. Das Projekt wird auf GitHub gehostet und kann von jedermann kostenlos heruntergeladen, verwendet oder zu Verbesserungen beigetragen werden. Die aktuelle Version wird bis März 2025 aktualisiert, was das kontinuierliche Engagement des Teams für Open-Source-KI-Technologie unterstreicht.

Funktionsliste

• Unterstützt die Schnellsuche und gibt in kürzester Zeit präzise Antworten.
• Bietet einen tiefen Suchmodus, der sich für komplexe Probleme eignet, die eine mehrstufige Argumentation erfordern.
• Integration von Open-Source-Sprachmodellen in großem Maßstab zur Verbesserung der Intelligenz von Suchergebnissen.
• Verwenden Sie semantische Sortierverfahren, um sicherzustellen, dass die zurückgegebenen Informationen relevanter sind.
• Offener Quellcode, benutzerdefinierbare Modelle und Funktionen.
• Unterstützt die Integration mit Ökosystemen wie SmolAgents, um die Schlussfolgerungsmöglichkeiten zu erweitern.
• Bietet eine lokale Schnittstelle für einfache Tests und Interaktion.

Hilfe verwenden

Die Installation und Nutzung von OpenDeepSearch ist nicht kompliziert und eignet sich für Benutzer mit grundlegenden Programmierkenntnissen. Hier finden Sie eine ausführliche Anleitung, die Ihnen einen schnellen Einstieg ermöglicht.

Einbauverfahren

1. Vorbereiten der Umgebung
   Sie benötigen einen Computer, auf dem Python 3.10 oder höher installiert ist. Sie können die Version mit dem Befehl überprüfen:

python --version

Wenn die Version zu niedrig ist, gehen Sie auf die Python-Website und laden Sie die neueste Version herunter.

2. Klonprojekt
   Öffnen Sie ein Terminal und geben Sie den folgenden Befehl ein, um OpenDeepSearch herunterzuladen:

git clone https://github.com/sentient-agi/OpenDeepSearch.git

Sobald der Download abgeschlossen ist, wechseln Sie in den Projektordner:

cd OpenDeepSearch

3. Einrichten einer virtuellen Umgebung (optional, aber empfohlen)
   Erstellen Sie eine virtuelle Umgebung, um Konflikte mit anderen Projekten zu vermeiden:

python -m venv venv

Aktivieren Sie die virtuelle Umgebung:

• Fenster. venv\Scripts\activate
• Mac/Linux. source venv/bin/activate

4. Installation von Abhängigkeiten
   Führen Sie den folgenden Befehl im Terminal aus, um die erforderlichen Bibliotheken zu installieren:

pip install -r requirements.txt

Wenn Sie auf Probleme stoßen, stellen Sie sicher, dass Ihr pip Es ist die neueste Version:

pip install --upgrade pip

5. API-Schlüssel konfigurieren
   OpenDeepSearch benötigt API-Schlüssel für einige externe Dienste wie SERPER, OPENROUTER und JINA. Sie benötigen:

• Melden Sie sich für ein Konto bei Serper, OpenRouter und Jina an.
• Nachdem Sie den Schlüssel erhalten haben, erstellen Sie eine .env Datei, geben Sie Folgendes ein:

  SERPER_API_KEY=你的密钥
  OPENROUTER_API_KEY=你的密钥
  JINA_API_KEY=你的密钥
  

Speichern Sie die Datei im Stammverzeichnis des Projekts.

Wie zu verwenden

Einmal installiert, können Sie OpenDeepSearch auf zwei Arten erleben: die Kommandozeile oder die lokale Schnittstelle.

Verwendung der Befehlszeile

1. Eine einfache Suche durchführen
   Geben Sie den folgenden Code in Ihr Terminal ein und suchen Sie nach "Welches ist das schnellste Landtier?" :

from opendeepsearch import OpenDeepSearchTool
search_agent = OpenDeepSearchTool(model_name="openrouter/google/gemini-2.0-flash-001")
result = search_agent.search("最快的陆地动物是什么？")
print(result)

Das System liefert Antworten wie "Der Gepard ist das schnellste Landtier und erreicht eine Geschwindigkeit von bis zu 120 Kilometern pro Stunde".

2. Tiefe Suche aktivieren
   Wenn die Aufgabe komplex ist, wie z. B. "Vergleiche die Geschwindigkeit eines Geparden und eines Löwen", können Sie Parameter hinzufügen:

search_agent = OpenDeepSearchTool(model_name="openrouter/google/gemini-2.0-flash-001", pro_mode=True)
result = search_agent.search("比较猎豹和狮子的速度")
print(result)

Es wird eine detaillierte Analyse durchführen und Vergleichsergebnisse liefern.

Lokale Schnittstellenverwendung

1. Schnittstelle starten
   Läuft im Terminal:

python gradio_demo.py

Das System erzeugt einen lokalen Link (z.B. http://127.0.0.1:7860), kopieren Sie sie und öffnen Sie sie in Ihrem Browser.

2. Suchvorgang

• Geben Sie eine Frage in das Eingabefeld ein, z. B. "AI Trends 2025".
• Wählen Sie den Modus (Standard oder Tiefensuche).
• Klicken Sie auf "Absenden" und warten Sie, bis die Ergebnisse angezeigt werden.
• Sie können das Modell oder die Sortiermethode anpassen und die Schnittstelle wird in Echtzeit aktualisiert.

Featured Function Bedienung

• Modelle umschalten
  Im Code oder in der Schnittstelle können Sie andere Modelle ändern, wie z. B. <code>anthropic/claude-3-opus-20240229</code>. Ändern Sie einfach die model_name Parameter.
• semantische Ordnung
  Jina sortiert standardmäßig, kann aber auf andere Sortierer umgestellt werden (z. B. <code>infinity</code>), eingestellt im Code reranker="infinity".
• Fehlersuche und Verbesserung
  Wenn die Ergebnisse nicht zufriedenstellend sind, können Sie die Protokolle überprüfen oder die Parameter anpassen, z. B. die Suchtiefe erhöhen.

Installation und Verwendung sind flexibel, und Sie können es an Ihre Bedürfnisse anpassen. Wenn Sie ein Problem haben, gehen Sie zu GitHub und melden Sie ein Problem, und die Community wird Ihnen helfen, es zu lösen.

Anwendungsszenario

1. akademische Forschung
   Studenten oder Forscher können damit nach Informationen zu einer bestimmten Arbeit suchen, z. B. durch Eingabe von "Recent Advances in Quantum Computing", um gesammelte Ergebnisse zu erhalten.
2. Tägliche Abfrage
   Wenn Sie wissen wollen, "welche Kaffeemaschine die beste ist", sucht es schnell und gibt Empfehlungen.
3. Technologieentwicklung
   Entwickler können es nutzen, um KI-Modelle zu testen oder in ihre eigenen Projekte zu integrieren.

QA

1. Programmiererfahrung erforderlich?
   Ja, grundlegende Python-Kenntnisse sind für die Installation und die Verwendung der Befehlszeile erforderlich. Aber der Schnittstellenmodus ist einsteigerfreundlich.
2. Ist es kostenlos?
   Das Projekt selbst ist kostenlos, aber für den API-Dienst ist möglicherweise ein kostenpflichtiges Konto erforderlich.
3. Unterstützt es Chinesisch?
   Support, geben Sie einfach eine chinesische Frage ein und es wird versucht, eine chinesische Antwort zu geben.