일반 소개
딥 서처는 강력한 대규모 언어 모델( DeepSeek 및 OpenAI) 및 벡터 데이터베이스(예: Milvus)는 개인 데이터를 기반으로 검색, 평가 및 추론하도록 설계된 도구로, 매우 정확한 답변과 포괄적인 보고서를 제공합니다. 이 프로젝트는 기업 지식 관리, 지능형 Q&A 시스템 및 정보 검색 시나리오에 적합하며, 딥서치어는 광범위한 임베딩 모델과 대규모 언어 모델을 지원하고 벡터 데이터베이스를 관리하여 효율적인 검색과 데이터의 안전한 사용을 보장할 수 있습니다.


기능 목록
- 개인 데이터 검색비즈니스 내 데이터 활용을 극대화하고 데이터 보안을 보장합니다.
- 벡터 데이터베이스 관리Milvus와 같은 벡터 데이터베이스를 지원하여 데이터를 분할하여 보다 효율적으로 검색할 수 있습니다.
- 유연한 임베딩 옵션여러 임베딩 모델과 호환되므로 최상의 옵션을 쉽게 선택할 수 있습니다.
- 다국어 모델 지원스마트 Q&A 및 콘텐츠 생성을 위해 DeepSeek, OpenAI 등과 같은 빅 모델을 지원합니다.
- 문서 로더로컬 파일 로딩이 지원되며 향후 웹 크롤링이 추가될 예정입니다.
도움말 사용
설치 프로세스
- 복제 창고:
git clone https://github.com/zilliztech/deep-searcher.git
- Python 가상 환경 만들기(권장):
python3 -m venv .venv
source .venv/bin/activate
- 종속성을 설치합니다:
cd deep-searcher
pip install -e .
- LLM 또는 Milvus 구성: 편집
examples/example1.py
파일을 사용하여 필요에 따라 LLM 또는 Milvus를 구성할 수 있습니다. - 데이터를 준비하고 예제를 실행합니다:
python examples/example1.py
사용 지침
- LLM 구성: In
deepsearcher.configuration
모듈을 사용하려면set_provider_config
메서드를 사용하여 LLM을 구성합니다. 예를 들어 OpenAI 모델을 구성합니다:
config.set_provider_config("llm", "OpenAI", {"model": "gpt-4o"})
- 로컬 데이터 로드사용
deepsearcher.offline_loading
모듈에서load_from_local_files
메서드를 사용하여 로컬 데이터를 로드합니다:
load_from_local_files(paths_or_directory="your_local_path")
- 데이터 쿼리사용
deepsearcher.online_query
모듈에서query
메소드가 쿼리됩니다:
result = query("Write a report about xxx.")
세부 기능 작동 흐름
- 개인 데이터 검색::
- 데이터 보안을 보장하면서 비즈니스 내 데이터 활용을 극대화하세요.
- 보다 정확한 답변이 필요한 경우 온라인 콘텐츠를 통합할 수 있습니다.
- 벡터 데이터베이스 관리::
- Milvus와 같은 벡터 데이터베이스를 지원하여 데이터를 분할하여 보다 효율적으로 검색할 수 있습니다.
- 향후 더 많은 벡터 데이터베이스(예: FAISS)에 대한 지원이 계획되어 있습니다.
- 유연한 임베딩 옵션::
- 다양한 임베디드 모델과 호환되므로 최적의 솔루션을 쉽게 선택할 수 있습니다.
- 다국어 모델 지원::
- 스마트 Q&A 및 콘텐츠 생성을 위해 DeepSeek, OpenAI 등과 같은 대규모 모델을 지원합니다.
- 문서 로더::
- 로컬 파일 로딩이 지원되며 향후 웹 크롤링이 추가될 예정입니다.
© 저작권 정책
이 글은 저작권이 있으며 무단으로 복제해서는 안 됩니다.
관련 문서
댓글 없음...