3K star！想了解AI搜索实现，可以看看这个开源项目-CSDN博客

本文链接：https://blog.csdn.net/2401_85373396/article/details/140204562

如何利用AI的能力来强化搜索一直是业内的关注方向，大家都希望可以给用户带来更好的体验。

今天我们分享一个开源项目，它也同样受Perplexity启发，利用AI的能力来提升搜索体验，它就是：llm-answer-engine

llm-answer-engine 是什么

llm-answer-engine 是一个开源的AI增强搜索引擎，它包含构建复杂答案引擎所需的代码和指令，该引擎利用Groq、Mistral AI 的 Mixtral、Langchain.JS、Brave Search、Serper API和OpenAI的功能。

该项目旨在根据用户查询高效地返回源、答案、图像、视频和后续问题，是对自然语言处理和搜索技术感兴趣的开发人员的理想起点。

项目使用的技术栈：

Next.js：用于构建服务器端渲染和静态 Web 应用程序的 React 框架。
Tailwind CSS：实用程序优先的 CSS 框架，用于快速构建自定义用户界面。
Vercel AI SDK：Vercel AI SDK 是一个用于构建人工智能驱动的流文本和聊天 UI 的库。
Groq & Mixtral：处理和理解用户查询的技术。
Langchain.JS：一个专注于文本操作的 JavaScript 库，例如文本分割和嵌入。
Brave Search：一个注重隐私的搜索引擎，用于采购相关内容和图像。
Serper API：用于根据用户的查询获取相关的视频和图像结果。
OpenAI Embeddings：用于创建文本块的矢量表示。
Cheerio：用于 HTML 解析，允许从网页中提取内容。
Ollama（可选） ：用于流式推理和嵌入。
Upstash Redis 速率限制（可选） ：用于为应用程序设置速率限制。

项目的作者在网上发布了很详细的项目介绍，里面详细的说明的项目的基本结构和实现的思路等，有条件的话，非常值得去看一下，这样还可以省下阅读代码的时间，效率更高。可以看下下图，里面就有了大致的一个思路和步骤，其实看起来不难，但是落地就不容易。

安装使用llm-answer-engine

安装前准备：

markdown复制代码1. 需要确保你的环境中已经安装好Nodejs和NPM
2. 项目会使用到4种API key：
	OpenAI
	Groq
	Brave Search
	Serper
	密钥的获取方式可以从对应的网站查看。

安装部署

接下来我们可以开始从源码安装，可以通过以下步骤：

ini复制代码#获取代码
git clone <https://github.com/developersdigest/llm-answer-engine.git>
#安装依赖
npm install
#配置env，在根目录下新建.env,添加提前准备好的API key
OPENAI_API_KEY=your_openai_api_key
GROQ_API_KEY=your_groq_api_key
BRAVE_SEARCH_API_KEY=your_brave_search_api_key
SERPER_API=your_serper_api_key

安装完成后就可以起动服务了。

arduino

复制代码npm run dev

完成安装后我们可以体验 llm-answer-engine ，它总体上可以帮我们：

快速建立问答系统：通过集成不同AI模型，快速搭建一个能够处理多种类型问题的智能问答平台。
高效答案检索：利用Groq的向量数据库能力，对大规模知识库进行高效的近似最邻近搜索，确保问题得到精准匹配的答案。
模块化开发：借助Mixtral和Langchain，开发者可以便捷地添加、移除或替换不同模块，以适应不同场景需求。

编辑配置

配置文件位于该app/config.tsx文件中。您可以修改以下值

diff复制代码- useOllamaInference: false,
- useOllamaEmbeddings：假，
- 推理模型：'mixtral-8x7b-32768'，
- inferenceAPIKey：process.env.GROQ_API_KEY，
- embeddingsModel: 'text-embedding-3-small',
- 文本块大小：800，
- 文本块重叠：200，
- numberOfSimilarity结果：2，
- 扫描页数：10，
- nonOllamaBaseURL: ' <https://api.groq.com/openai/v1>'
- useFunctionCalling: true
- useRateLimiting: false