AI搜索技术揭秘：一探3K Star开源项目的魅力！

本文链接：https://blog.csdn.net/2401_85390073/article/details/141020702

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：

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：

#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。

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

- 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

总结

llm-answer-engine 构建了一个比较完整的AI增强搜索，覆盖到了目前主流的技术实现，所以如果对这个方向有关注，那么可以参考和学习一下其内在的实现逻辑。从整体上也可以总结一下它具备的特点：

多模型融合：项目支持集成多种AI服务商的大型语言模型，如OpenAI GPT系列，为用户提供丰富且准确的答案来源。
高性能架构：运用Groq作为底层向量数据库，确保了在大规模数据环境下快速有效地检索和生成答案。
灵活性与扩展性：通过Mixtral和Langchain组件，项目具备极强的模块化和可扩展能力，方便开发者根据不同需求定制和增强问答引擎。
前端优化：依托Next.js框架，构建出响应式、高性能的用户界面，实现无缝的交互体验。
隐私与安全性：与Brave浏览器技术相结合，强化了用户数据保护和隐私安全措施。

目前国内在这个方向上也有很多的企业在发力，比如Kimi和秘塔搜索等，所以了解现有的一些实现方式，思考如何进一步创新非常重要。

项目信息

项目名称： llm-answer-engine
GitHub 链接：github.com/developersd…
Star 数：3K

在这里插入图片描述

如何学习AI大模型？

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述