[🌐 Project Page](https://mindsearch.netlify.app/) | [📃 Paper](https://arxiv.org/abs/2407.20183) | [💻 Playground](https://mindsearch.openxlab.org.cn/) [English](README.md) | 简体中文

## ✨ MindSearch: Mimicking Human Minds Elicits Deep AI Searcher MindSearch 是一个开源的 AI 搜索引擎框架,具有与 Perplexity.ai Pro 相同的性能。您可以轻松部署它来构建您自己的搜索引擎,可以使用闭源 LLM(如 GPT、Claude)或开源 LLM(如 InternLM2.5-7b-chat)。其拥有以下特性: - 🤔 **任何想知道的问题**:MindSearch 通过搜索解决你在生活中遇到的各种问题 - 📚 **深度知识探索**:MindSearch 通过数百网页的浏览,提供更广泛、深层次的答案 - 🔍 **透明的解决方案路径**:MindSearch 提供了思考路径、搜索关键词等完整的内容,提高回复的可信度和可用性。 - 💻 **多种用户界面**:为用户提供各种接口,包括 React、Gradio、Streamlit 和本地调试。根据需要选择任意类型。 - 🧠 **动态图构建过程**:MindSearch 将用户查询分解为图中的子问题节点,并根据 WebSearcher 的搜索结果逐步扩展图。
## ⚡️ MindSearch VS 其他 AI 搜索引擎 在深度、广度和生成响应的准确性三个方面,对 ChatGPT-Web、Perplexity.ai(Pro)和 MindSearch 的表现进行比较。评估结果基于 100 个由人类专家精心设计的现实问题,并由 5 位专家进行评分\*。
* 所有实验均在 2024 年 7 月 7 日之前完成。 ## ⚽️ 构建您自己的 MindSearch ### 步骤1: 依赖安装 ```bash pip install -r requirements.txt ``` ### 步骤2: 启动 MindSearch API 启动 FastAPI 服务器 ```bash python -m mindsearch.app --lang en --model_format internlm_server ``` - `--lang`: 模型的语言,`en` 为英语,`zh` 为中文。 - `--model_format`: 模型的格式。 - `internlm_server` 为 InternLM2.5-7b-chat 本地服务器。 - `gpt4` 为 GPT4。 如果您想使用其他模型,请修改 [models](./mindsearch/agent/models.py) ### 步骤3: 启动 MindSearch 前端 提供以下几种前端界面: - React ```bash # 安装 Node.js 和 npm # 对于 Ubuntu sudo apt install nodejs npm # 对于 Windows # 从 https://nodejs.org/zh-cn/download/prebuilt-installer 下载 cd frontend/React npm install npm start ``` 更多细节请参考 [React](./frontend/React/README.md) - Gradio ```bash python frontend/mindsearch_gradio.py ``` - Streamlit ```bash streamlit run frontend/mindsearch_streamlit.py ``` ## 🐞 本地调试 ```bash python mindsearch/terminal.py ``` ## 📝 许可证 该项目按照 [Apache 2.0 许可证](LICENSE) 发行。 ## 学术引用 如果此项目对您的研究有帮助,请参考如下方式进行引用: ``` @misc{chen2024mindsearchmimickinghumanminds, title={MindSearch: Mimicking Human Minds Elicits Deep AI Searcher}, author={Zehui Chen and Kuikun Liu and Qiuchen Wang and Jiangning Liu and Wenwei Zhang and Kai Chen and Feng Zhao}, year={2024}, eprint={2407.20183}, archivePrefix={arXiv}, primaryClass={cs.CL}, url={https://arxiv.org/abs/2407.20183}, } ```