Zum Hauptinhalt springen
DeepSearcher kombiniert modernste LLMs (OpenAI o1, o3-mini, DeepSeek, Grok 3, Claude 4 Sonnet, Llama 4, QwQ usw.) mit Vektordatenbanken (Milvus, Zilliz Cloud usw.), um auf Basis privater Daten Suchen, Bewertungen und Schlussfolgerungen durchzuführen und hochpräzise Antworten sowie umfassende Berichte bereitzustellen. Besonders geeignet für: Wissensmanagement in Unternehmen, intelligente Frage-Antwort-Systeme und Information-Retrieval-Szenarien. Beispielbild1

​
1. JieKou.AI-Konfigurationsinformationen abrufen

​
(1) Registrieren und API-Schlüssel erhalten

Registrieren Sie sich bei JieKou.AI und melden Sie sich an. Wenn Sie bei der Registrierung den Einladungscode【YGHNZ0】eingeben, erhalten Sie eine Registrierungsprämie von $2. Beispielbild2 Öffnen Sie die Verwaltungsseite【API key】, klicken Sie auf die Schaltfläche zum Hinzufügen, geben Sie einen benutzerdefinierten Schlüsselnamen ein und generieren Sie den API-Schlüssel. Beispielbild3 Beispielbild4

​
(2) API-Schlüssel generieren und speichern

!Hinweis: Der Schlüssel wird serverseitig verschlüsselt gespeichert und kann nach der Erstellung nicht erneut angezeigt werden. Bitte bewahren Sie den Schlüssel sicher auf. Falls er verloren geht, müssen Sie ihn in der Konsole löschen und einen neuen Schlüssel erstellen. Beispielbild5

​
(3) Die benötigte Modell-ID abrufen

Suchen Sie im Modell-Marktplatz von JieKou.AI nach dem gewünschten Modell und kopieren Sie die Modell-ID sowie die Basis-URL. Beispielbild6
  • Gemini-3-pro-preview
  • Gemini-2.5-pro
  • Claude-sonnet-4-5
  • Gpt-5.1
  • Gpt-4o
Weitere Modell-IDs, maximale Kontextlängen und Preise finden Sie im Modell-Marktplatz

​
2. DeepSearcher installieren

Eine detaillierte Installationsanleitung finden Sie unter: https://github.com/zilliztech/deep-searcher (1) Repository klonen 
git clone https://github.com/zilliztech/deep-searcher.git
cd deep-searcher
(2) Eine virtuelle Umgebung erstellen und aktivieren 
#MAKE SURE the python version is greater than or equal to 3.10
python3 -m venv .venv
source .venv/bin/activate
(3) Abhängigkeiten installieren 
pip install -e .

​
3. Beispielcode ändern, um JieKou.AI-Modelle anzubinden

Der Beispielcode befindet sich unter examples/basic_example.py. Sie können dieses Beispiel verwenden, um DeepSearcher auszuführen. (1) API Key konfigurieren Setzen Sie den soeben erhaltenen API Key in der lokalen Umgebungsvariable JIEKOU_API_KEY. 
export JIEKOU_API_KEY="YOUR_JIEKOU_API_KEY"
(2) LLM- und Embedding-Modell konfigurieren Fügen Sie im Beispielcode nach der Zeile config = Configuration() den folgenden Code hinzu: 
config.set_provider_config("llm", "JiekouAI", {"model": "claude-sonnet-4-5-20250929"})
config.set_provider_config("embedding", "JiekouAIEmbedding", {"model": "qwen/qwen3-embedding-8b"})
(3) Dateipfad und prompt für die Suche konfigurieren Laden Sie Dateien aus dem angegebenen lokalen Pfad und speichern Sie deren Inhalt in der Sammlung. Ändern Sie den Code an der Stelle, an der load_from_local_files aufgerufen wird. Sie können die vom Projekt bereitgestellte Datei examples/data/WhatisMilvus.pdf verwenden oder Ihre eigene Datei nutzen. Wenn die Sammlung bei der Ausführung gelöscht und neu erstellt werden soll, setzen Sie force_new_collection auf True. 
load_from_local_files(
    paths_or_directory=os.path.join(current_dir, "data/WhatisMilvus.pdf"),
    collection_name="milvus_docs",
    collection_description="All Milvus Documents",
    force_new_collection=True, # If you want to drop origin collection and create a new collection every time,set force_new_collection to True
)
question="Write a report comparing Milvus with other vector databases."
(4) Beispielcode ausführen Führen Sie im Stammverzeichnis des Projekts aus: 
python examples/basic_example.py