MindSearch

MindSearch 项目介绍

项目概述

MindSearch 是一个旨在模拟人类思维的深度 AI 搜索器，其目标是通过高级人工智能技术改进搜索体验。该项目不仅提高了搜索能力，还通过创新机制使用户的搜索更加高效和人性化。

项目进展

在 2024 年 11 月 5 日，MindSearch 已经在 Puyu 平台上线，用户可以通过这个链接进行体验。此次更新主要包括重构了基于 Lagent v0.5 的代理模块，这使得系统在并发情况下的性能得到了提升。此外，用户界面也进行了改进，支持同时进行多个查询的搜索。

如何构建 MindSearch

步骤一：安装依赖

首先，需要从 GitHub 仓库克隆 MindSearch 项目，并安装所需的 Python 依赖：

git clone https://github.com/InternLM/MindSearch
cd MindSearch
pip install -r requirements.txt

步骤二：设置环境变量

在设置 API 之前，需要配置环境变量。将.env.example文件重命名为.env，并填写必要的参数。

mv .env.example .env

步骤三：设置 MindSearch API

通过 FastAPI 启动服务器：

python -m mindsearch.app --lang en --model_format internlm_server --search_engine DuckDuckGoSearch --asy

参数--lang定义模型语言，可以设置为en（英语）或cn（中文）。
参数--model_format定义模型格式，如internlm_server（适用于本地优化的 InternLM2.5-7b-chat）或gpt4。
参数--search_engine定义使用的搜索引擎，例如DuckDuckGoSearch、BingSearch、BraveSearch、GoogleSearch或TencentSearch。

请确保为你选择的搜索引擎设置相应的 API 密钥。

步骤四：设置 MindSearch 前端

MindSearch 提供多种前端接口，包括 React、Gradio 和 Streamlit。

React 前端配置：

首先，在 vite.config.ts 文件中配置后端 URL：

HOST="127.0.0.1"
PORT=8002
sed -i -r "s/target:\s*\"\"/target: \"${HOST}:${PORT}\"/" frontend/React/vite.config.ts

然后安装 Node.js 和 npm，接着安装项目依赖：

cd frontend/React
npm install
npm start

Gradio 前端启动：

python frontend/mindsearch_gradio.py

Streamlit 前端启动：

streamlit run frontend/mindsearch_streamlit.py

变更 Web 搜索 API

用户可以通过修改 mindsearch/agent/__init__.py 中的 searcher_type 属性来更换不同类型的 Web 搜索 API。例如，若想改用 Brave Search API，可以进行如下配置：

BingBrowser(
    searcher_type='BraveSearch',
    topk=2,
    api_key=os.environ.get('BRAVE_API_KEY', 'YOUR BRAVE API')
)

不使用前端的情况下操作后端

对于更倾向于直接与后端交互的用户，可以使用 backend_example.py 脚本来演示如何发送查询到后端并处理返回结果：

python backend_example.py

确保在执行脚本之前已设置好环境变量并运行后端。

本地调试

使用下面的命令在本地终端进行调试：

python -m mindsearch.terminal

许可证

该项目以 Apache 2.0 许可证发布。

引用

如果在研究中发现该项目有用，请考虑引用：

@article{chen2024mindsearch,
  title={MindSearch: Mimicking Human Minds Elicits Deep AI Searcher},
  author={Chen, Zehui and Liu, Kuikun and Wang, Qiuchen and Liu, Jiangning and Zhang, Wenwei and Chen, Kai and Zhao, Feng},
  journal={arXiv preprint arXiv:2407.20183},
  year={2024}
}