【书生实战营第四期】MindSearch深度解析实践

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。我们可以轻松部署它来构建自己的专属搜索引擎，可以基于闭源的LLM（如GPT、Claude系列），也可以使用开源的LLM（如经过专门优化的InternLM2.5 系列模型，能够在MindSearch框架中提供卓越的性能） 最新版的MindSearch拥有以下特性：🤔 任何你想知道的问题：MindSearch 通过搜索解决你在生活中遇到的各种问题。

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。我们可以轻松部署它来构建自己的专属搜索引擎，可以基于闭源的LLM（如GPT、Claude系列），也可以使用开源的LLM（如经过专门优化的InternLM2.5 系列模型，能够在MindSearch框架中提供卓越的性能）。🤔 任何你想知道的问题：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 通过数百个网页的浏览，提供更广泛、深层次的答案。

由于硅基流动API的相关配置已经集成在了MindSearch中，所以我们在一个终端A中可以直接执行下面的代码来启动MindSearch的后端。如果是新建的codespace，在第一次创建conda环境时，需要condainit，再另启一个终端并activate。因为要使用硅基流动的APIKey，所以接下来便是注册并获取APIKey了。在这里我们介绍一种更简单的方法，它就像克隆一样，无需编写代码即可部署自己的Spaces应用~来注册硅基流动的账号（如果注册过，则直接登录即可）。

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。🤔 任何你想知道的问题：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 通过数百个网页的浏览，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。

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。 可以轻松部署它来构建自己的专属搜索引擎，可以基于闭源的LLM（如GPT、Claude系列），也可以使用开源的LLM（如经过专门优化的InternLM2.5 系列模型，能够在MindSearch框架中提供卓越的性能）。

一般情况下主问题会根据子问题得出的结论，总结形成最终回复。

该体系涵盖了数据、预训练、微调、部署、测评和应用的全链路开源解决方案，几乎覆盖了大模型开发的整个过程。接下来，我们将依次介绍这些开源工具在各个阶段的应用。

书生大模型实训营第4期基础岛第二关任务笔记

闯关任务需要在关键步骤当中截图！任务描述部署MindSearch到 hugging face Spaces上部署MindSearch到 hugging face Spaces上 在官方的MindSearch页面复制Spaces应用到自己的Spaces下，Space 名称中需要包含 MindSearch 关键词，请在必要的步骤以及成功的对话测试结果当中请将作业发布到知乎、CSDN等任一社交媒体，将作业链接提交到以下问卷，助教老师批改后将获得 100 算力点奖励！！！

1 MindSearch 简介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。

是一款由上海人工智能实验室开发的开源AI搜索引擎框架，旨在通过模仿人类思维，提供高效、准确的信息检索和整合服务。其核心技术基于大型语言模型（LLM），并采用多智能体框架，包括WebPlanner和多个WebSearcher，以模拟人类在信息检索中的思维过程。

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。我们可以轻松部署它来构建自己的专属搜索引擎，可以基于闭源的LLM（如GPT、Claude系列），也可以使用开源的LLM（如经过专门优化的InternLM2.5 系列模型，能够在MindSearch框架中提供卓越的性能） 最新版的MindSearch拥有以下特性：🤔 任何你想知道的问题：MindSearch 通过搜索解决你在生活中遇到的各种问题。

目标：从0开始学习LLM平台：InternStudio开发机教程：书生大模型实战营提示：以下是基于书生大模型实战营（第四期）——基础岛：玩转书生「多模态对话」与「AI 搜索」产品的学习内容Interntinker 是一个创新的模型，旨在帮助用户探索和生成基于网络内容的多样化应用。知识图谱构建：Interntinker 可以自动从网络上提取结构化信息，构建知识图谱，帮助用户更有效地管理和利用知识资源。信息检索与摘要：用户可以通过输入查询，快速检索到相关的信息，并获取摘要，以便快速了解关键内容。

MindSearch是 InternLM 组织开源的 AI 搜索引擎 (框架)，它会对你提出的问题进行分析并拆解为数个子问题，然后在数百个网页中搜索、总结各个子问题的答案，并给出完整的搜索关键词、思考路径、参考网页等中间过程，从而提供广泛、有深度、高可信度的最终答案。可见，其具有良好的文本分析回答能力，但对于我们提出的更复杂的要求，暂时无法生成符合需求的图片。还是非常喜欢有问题分析的这种风格，如果能将问题分析做出与下方回答配套的思维导图就更好了。以下是简要的回答，可见模型对图文分析有一定的能力。

2024年1月17日：InternLM2模型开源，并且开源工具链进行了全线升级，性能超过了最新的同量级开源模型。2023年7月6日：InternLM-7B模型开源，并且是首个免费商用的模型。- 辅助标注：模型参与自身的迭代过程，帮助提高数据标注的质量和效率。- 能够自主规划和搜索，具有领先于社区开源模型的字上下文处理能力。- 广泛使用模型：模型在多个方面被广泛使用，以加速其能力的提升。- 模型指令生成：模型能够生成指令，辅助数据的对齐和标注。- 智能评估：使用模型来辅助数据的筛选和标注。

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。MindSearch 通过搜索解决你在生活中遇到的各种问题MindSearch 通过数百个网页的浏览，提供更广泛、深层次的答案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。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。

它会对你提出的问题进行分析并拆解为数个子问题，在数百个网页中搜索、总结各个子问题的答案，并给出完整的搜索关键词、思考路径、参考网页等中间过程，从而提供广泛、深度、高可信度的最终答案。

人工智能（AI）、机器学习（ML）和深度学习（DL）是三个层级嵌套的概念：DL⊂ML⊂AI。AI是最广泛的研究领域，关注机器完成智能任务的能力；ML是实现AI的一类方法，通过数据训练模型；DL则是ML的一个分支，使用多层神经网络自动学习特征表示。 具体区别体现在： AI包含规则系统和数据驱动方法，ML专注于从数据中学习规律 传统ML依赖人工特征工程，DL能自动提取多层次特征 DL在图像/语音/文本等非结构化数据上表现突出，但需要更多数据和算力 项目选择应基于任务特性：规则明确用编程，结构化小数据用传统ML（