レプトン・サーチ 概要
Lepton Searchは、Jia Yangqingが立ち上げたLepton AIプラットフォーム上に構築された会話型AI検索エンジンであり、能動的にウェブ上のデータを検索し、ユーザーの自然言語による質問に基づき、構造化された論理的な回答に整理し、情報源を付随させる。Lepton Searchは、「電子はレプトンか」といった一般的な知的質問に答えるだけでなく、「電子はレプトンか？電子はレプトンか？や「人類が初めて月に降り立ったのはいつですか？レプトン・サーチは、"リンゴはなぜ落ちるのか？"といった複雑な質問にも答えることができる。や「Pythonでチャットボットを書くには？Lepton Searchのコードはオープンソースであるため、開発者は自分でデプロイして修正したり、Lepton AIプラットフォームを使って独自の会話AIアプリケーションを素早く構築することができる。
レプトン・サーチ・ホーム
レプトン・サーチ 検索結果一覧ページ
Leptonサーチ機能一覧
- 自然言語の入出力をサポート
- 知識ベース、原因ベース、方法ベースなど、さまざまなタイプの質問をサポートします。
- ウィキペディア、ツイッター、グーグル、ビングなど複数のデータソースをサポート。
- 英語、中国語、日本語など多言語をサポート。
- テキスト、写真、表、グラフなど、さまざまな表示方法をサポート。
- ウェブ、コマンドライン、APIなど、複数のインタラクション・メソッドをサポート。
レプトン・サーチ・ヘルプ
- ウェブ版では、検索したい質問を入力してエンターキーを押すか、検索ボタンをクリックすると、Lepton Searchの回答が表示されます！
- 公式GitHubリポジトリのドキュメントをチェックしよう。
- 公式のデモに従って、あなた自身の検索エンジンを構築することができる。
- 開発者は、Apacheライセンスの下でオープンソースコードを自由に使用することができる。
レプトン・サーチコード コメント
# 必要なライブラリとモジュールのインポート
インポート concurrent.futures タスクの同時実行のための#
インポート glob # ファイル・パス・パターン・マッチング用
import json JSONデータを処理するための#
import os # ファイルシステムの操作に使用される。
正規表現マッチングのためのre #のインポート
スレッド操作のためのインポートthreading #
インポートリクエスト # ウェブリクエストを開始するために使用されます。
import traceback # 例外情報のトレースに使用。
from typing import Annotated, List, Generator, Optional # for type annotations.# FastAPI 関連のクラスと例外のインポート
from fastapi import HTTPException
from fastapi.responses import HTMLResponse, StreamingResponse, RedirectResponse
HTTP リクエスト用の httpx # をインポートする。
from loguru import logger #でロギングする。# Lepton AI関連ライブラリとモジュールのインポート
インポート・レプトナイ
from leptonai import クライアント
from leptonai.kv import KV #によるキー・バリュー・ストレージ
from leptonai.photon import Photon, StaticFiles # フォトンアプリケーション開発用
from leptonai.photon.types import to_bool #でブーリアン変換。
from leptonai.api.workspace import WorkspaceInfoLocalRecord #によるワークスペース情報の取得
from leptonai.util import tool #にはいくつかのユーティリティが含まれています。# RAGモデルの定数値
BING_SEARCH_V7_ENDPOINT = "https://api.bing.microsoft.com/v7.0/search" # Bing Search API エンドポイント
BING_MKT = "ja-US" # ビング検索マーケットプレイス
GOOGLE_SEARCH_ENDPOINT = "https://customsearch.googleapis.com/customsearch/v1" # Googleカスタム検索APIエンドポイント
SERPER_SEARCH_ENDPOINT = "https://google.serper.dev/search" # Serper Search API エンドポイント
SEARCHAPI_SEARCH_ENDPOINT = "https://www.searchapi.io/api/v1/search" # SearchApi Search API エンドポイント# 検索結果数
reference_count = 8# 検索タイムアウト時間
default_search_engine_timeout = 5#デフォルトお問い合わせ
_default_query = "誰が「長生きして繁栄しろ」と言った？"# RAGモデルのクエリテキストテンプレート
_rag_query_text = """あなたはLepton AIによって構築された大規模な言語AIアシスタントです。ユーザーから質問を受けたら、きれいで、簡潔で、正確な答えを提供してください。あなたには質問に関連する一連の文脈が与えられ、それぞれの文脈の前には[[citation:x]]のような引用番号が付きます。これらのコンテキストを使用し、該当する場合は、各文の最後にコンテキスト番号を引用してください。
回答は正しく正確で、専門家が中立的かつ専門的な口調で書いたものでなければなりません。回答は1024トークン以内でお願いします。質問に関係のない情報を提供したり、同じことを繰り返したりしないでください。与えられた文脈から十分な情報が得られない場合は、「...に関する情報が不足しています。に関する情報が不足しています」と言ってください。
例：[citation:x]のように、引用番号形式で文脈を引用してください。一文が複数の文脈から引用されている場合は、[citation:3][citation:5]のように、該当する引用をすべて挙げてください。コード、特定の名前、引用を除き、回答は質問と同じ言語で記述してください。
ここに一連の文脈がある：
{コンテキスト}。
忘れてはならないのは、やみくもに文脈をそのまま繰り返さないことだ。ここはユーザーの問題だ：
"""
# 使用禁止単語リスト
stop_words = [
「"、
"【終了】"、
"【終わり】"、
"ⅳ"ⅳ"ⅳ"ⅳ
"ⅳ"ⅳ"ⅳ"。
"終わり"、
]# 関連問題に関するアラートテキストの生成
_more_questions_prompt = """あなたは、元の質問とそれに関連するコンテキストに基づいて、ユーザーが適切な質問をするのを助ける便利なアシスタントです。フォローアップする価値のあるトピックを特定し、20語以内で質問してください。イベント、名前、場所などの具体的な情報がフォローアップの質問に含まれていることを確認し、単独で質問できるようにしてください。例えば、元の質問がマンハッタン計画について尋ねたものであった場合、フォローアップの質問では、単に「計画」と言うのではなく、「マンハッタン計画」というフルネームを使用します。関連する質問は、元の質問と同じ言語でなければなりません。
質問の背景はこうだ：
{コンテキスト}。
元の質問と関連する文脈に基づいて、さらに3つの質問をすることを忘れないこと。元の質問を繰り返さないこと。関連する質問はそれぞれ20語以内とする。以下は元の質問です：
"""
# さまざまな検索エンジンと相互作用するために、以下の検索機能が定義されています。
def search_with_bing(query: str, subscription_key: str).
# Bing検索エンジンを使って文脈情報を検索して返す
パスdef search_with_google(query: str, subscription_key: str, cx: str).
#グーグル検索エンジンを使って検索し、文脈に沿った情報を返す
パスdef search_with_serper(query: str, subscription_key: str.）
# Serper検索エンジンを使って文脈情報を検索して返す
パスdef search_with_searchapi(query: str, subscription_key: str).
# SearchApi.ioによる検索とコンテキスト情報の返却
パス# RAGクラス（Photonから継承、RAGエンジンの構築に使用
クラス RAG(Photon)。
# クラスの初期化とメソッドの定義
パス# このスクリプトを直接実行すると、RAGアプリケーションが起動します。
if __name__ == "__main__".
ぼろ = RAG()
ラグ.ローンチ()
