렙톤 검색: 오픈 소스 대화형 AI 검색 엔진 | 렙톤 검색

2.3K 00

렙톤 검색 일반 소개

Lepton 렙톤 검색은 지아 양칭이 출시하고 렙톤 AI 플랫폼을 사용하여 구축한 대화형 AI 검색 엔진으로, 웹에서 데이터를 선제적으로 검색하고 사용자의 자연어 질문에 따라 정보의 출처와 함께 구조화되고 논리적인 답변으로 구성하며, 다음과 같은 일반적인 지적 질문에 대한 답변뿐만 아니라 다음과 같은 질문에도 답한다. "전자는 렙톤인가요?" 또는 "인류는 언제 처음으로 달에 착륙했나요?"와 같은 일반적인 지적 질문에 대한 답변뿐만 아니라 렙톤 검색은 "왜 사과가 떨어졌을까?"와 같은 복잡한 질문에도 답할 수 있습니다. 또는 "파이썬으로 챗봇을 작성하려면 어떻게 해야 하나요?"와 같은 복잡한 질문에도 답할 수 있습니다. 렙톤 검색의 코드는 오픈 소스이므로 개발자가 직접 배포 및 수정하거나 렙톤 AI 플랫폼을 사용하여 자체 대화형 AI 애플리케이션을 빠르게 구축할 수 있습니다.

렙톤 검색 홈

렙톤 검색 검색 결과 페이지

렙톤 검색 기능 목록

자연어 입력 및 출력 지원
지식 기반, 원인 기반, 방법 기반 등 다양한 유형의 질문을 지원합니다.
위키피디아, 트위터, 구글, 빙 등 여러 데이터 소스를 지원합니다.
영어, 중국어, 일본어 등 여러 언어를 지원합니다.
텍스트, 이미지, 표, 차트 등 다양한 표시 방법을 지원합니다.
웹, 명령줄, API 등 다양한 상호 작용 방법을 지원합니다.

렙톤 검색 도움말

웹 버전에서 검색하려는 질문을 입력하고 Enter 키를 누르거나 검색 버튼을 클릭하면 렙톤 검색의 답변을 확인할 수 있습니다!
공식 GitHub 리포지토리에서 설명서를 확인하세요.
공식 데모에 따라 자신만의 검색 엔진을 구축할 수 있습니다.
개발자는 아파치 라이선스에 따라 오픈 소스 코드를 자유롭게 사용할 수 있습니다.

렙톤 검색 코드 코멘트

# 필요한 라이브러리 및 모듈 가져오기
작업의 동시 실행을 위해 concurrent.futures #를 가져옵니다.
파일 경로 패턴 일치를 위해 glob # 가져오기
JSON 데이터 처리를 위한 import json #
import os # 파일 시스템을 조작하는 데 사용됩니다.
정규식 일치를 위한 import re #
스레딩 작업용 스레딩 # 가져오기
가져오기 요청 # 네트워크 요청을 시작하는 데 사용됩니다.
가져오기 트레이스백 # 예외 정보를 추적하는 데 사용됩니다.
유형 주석을 위해 주석, 목록, 생성기, 옵션 #를 입력하는 것에서 가져오기
# FastAPI 관련 클래스 및 예외 가져오기
fastapi에서 HTTPException을 가져옵니다.
fastapi.responses에서 HTMLResponse, 스트리밍 응답, 리디렉션 응답을 가져옵니다.
HTTP 요청을 위한 httpx # 가져오기
로깅을 위해 loguru에서 로거 #를 가져옵니다.
# 렙톤 AI 관련 라이브러리 및 모듈 가져오기
렙타이 가져오기
렙타이 가져오기 클라이언트에서
키-값 저장소를 위해 leptonai.kv에서 KV #를 가져옵니다.
leptonai.photon에서 Photon, Photon 애플리케이션 개발을 위한 StaticFiles #를 가져옵니다.
leptonai.photon.types에서 부울 변환을 위해 to_bool #를 가져옵니다.
leptonai.api.workspace에서 워크스페이스 정보를 위해 WorkspaceInfoLocalRecord #를 가져옵니다.
leptonai.util에서 가져오기 도구 #에는 몇 가지 유틸리티가 포함되어 있습니다.
# RAG 모델의 상수 값
BING_SEARCH_V7_ENDPOINT = "https://api.bing.microsoft.com/v7.0/search" # Bing 검색 API 엔드포인트
BING_MKT = "en-US" # Bing 검색 마켓플레이스
GOOGLE_SEARCH_ENDPOINT = "https://customsearch.googleapis.com/customsearch/v1" # Google 사용자 지정 검색 API 엔드포인트
SERPER_SEARCH_ENDPOINT = "https://google.serper.dev/search" # 서퍼 검색 API 엔드포인트
SEARCHAPI_SEARCH_ENDPOINT = "https://www.searchapi.io/api/v1/search" # SearchApi 검색 API 엔드포인트
# 검색된 결과 수
참조_수 = 8
# 검색 시간 초과 시간
기본_검색_엔진_타임아웃 = 5
# 기본 문의
_default_query = "누가 '오래오래 번영하라'고 했나요?"
# RAG 모델용 쿼리 텍스트 템플릿
_rag_query_text = """
귀하는 렙톤 AI가 만든 대규모 언어 AI 비서입니다. 사용자 질문을 받으면 깔끔하고 간결하며 정확한 답변을 제공해 주세요. 질문과 관련된 일련의 문맥이 제공되며, 각 문맥 앞에는 [[인용:x]]와 같은 인용 번호가 붙습니다(여기서 x는 숫자입니다). 이러한 문맥을 사용하고 해당되는 경우 각 문장의 끝에 문맥 번호를 인용하세요.
답변은 정확하고 올바르며 중립적이고 전문적인 어조로 전문가가 작성해야 합니다. 1024토큰으로 제한해 주세요. 질문과 관련이 없는 정보를 제공하지 마시고 같은 내용을 반복하지 마세요. 주어진 문맥에서 충분한 정보가 제공되지 않는 경우 "...에 대한 정보가 없습니다. 에 대한 정보가 누락되었습니다"라고 말합니다.
인용 번호 형식으로 문맥을 인용하세요(예: [인용:x]). 문장이 두 개 이상의 문맥에서 인용된 경우 해당되는 모든 인용을 나열하세요(예: [인용:3][인용:5]). 코드, 특정 이름 및 인용을 제외하고 답안은 질문과 동일한 언어로 작성해야 합니다.
다음은 일련의 컨텍스트입니다:
{컨텍스트}
문맥을 그대로 맹목적으로 반복해서는 안 된다는 점을 기억하세요. 여기서는 사용자의 문제입니다:
"""
# 비활성화 단어 목록
stop_words = [
"",
"[종료]",
"[끝]",
"\n참조:\n".
"\n소스:\n".
"끝.",
]
# 관련 이슈에 대한 알림 텍스트 생성
_more_questions_prompt = """
사용자는 원래 질문과 관련 맥락에 따라 적절한 질문을 할 수 있도록 도와주는 유용한 도우미입니다. 후속 질문이 필요한 주제를 파악하여 20단어 이하로 질문하세요. 후속 질문에는 사건, 이름, 장소 등의 구체적인 정보를 포함시켜 독립적으로 질문할 수 있도록 하세요. 예를 들어, 원래 질문에서 맨해튼 프로젝트에 대해 질문한 경우 후속 질문에서는 '프로젝트'라고만 하지 말고 '맨해튼 프로젝트'라는 전체 이름을 사용하세요. 관련 질문은 원래 질문과 동일한 언어로 작성해야 합니다.
질문의 맥락은 다음과 같습니다:
{컨텍스트}
원래 질문과 관련 맥락에 따라 세 가지 추가 질문을 하는 것을 잊지 마세요. 원래 질문을 반복하지 마세요. 각 관련 질문은 20단어를 넘지 않아야 합니다. 다음은 원래 질문입니다:
"""
# 다음 검색 기능은 다양한 검색 엔진과 상호 작용하도록 정의되어 있습니다.
def search_with_bing(쿼리: str, 구독_키: str).
# Bing 검색 엔진으로 검색하고 컨텍스트 정보 반환하기
통과
def search_with_google(쿼리: str, 구독_키: str, CX: str).
# Google 검색 엔진을 사용하여 문맥 정보를 검색하고 반환하기
통과
def search_with_serper(쿼리: str, 구독_키: str).
# Serper 검색 엔진을 사용하여 문맥 정보 검색 및 반환
통과
def search_with_searchapi(쿼리: str, 구독_키: str).
# SearchApi.io로 검색하고 컨텍스트 정보 반환하기
통과
포토톤에서 계승한 # RAG 클래스로, RAG 엔진 제작에 사용됩니다.
클래스 RAG(광자).
# 클래스 초기화 및 메서드 정의
통과
# 이 스크립트를 직접 실행하면 RAG 애플리케이션이 시작됩니다.
if __name__ == "__main__".
rag = RAG()
rag.launch()