跳转到主要内容
DeepSearcher 结合了尖端的 LLM（OpenAI o1、o3-mini、DeepSeek、Grok 3、Claude 4 Sonnet、Llama 4、QwQ 等）和向量数据库（Milvus、Zilliz Cloud 等），基于私有数据执行搜索、评估和推理，提供高度准确的答案和全面的报告。 非常适合用于： 企业知识管理、智能问答系统和信息检索场景。 Example Image1

​
1.获取JieKou.AI配置信息

​
（1）获取 API 密钥注册

注册并登录 JieKou.AI，注册时填写邀请码【YGHNZ0】可得 $2 注册奖励。 Example Image2 打开【API key】管理页面，点击添加按钮，输入自定义密钥名称，生成API密钥。 Example Image3 Example Image4

​
（2）生成并保存 API 密钥

!注意:密钥在服务端是加密存储，创建后无法再次查看，请妥善保存好密钥；若遗失需要在控制台上删除并创建一个新的密钥。 Example Image5

​
（3）获取需要使用的模型 ID

在 JieKou.AI 的模型广场找到想用的模型，复制模型id和基础URL。 Example Image6
  • Gemini-3-pro-preview
  • Gemini-2.5-pro
  • Claude-sonnet-4-5
  • Gpt-5.1
  • Gpt-4o
其他模型ID、最大上下文及价格可参考：模型广场

​
2.安装DeepSearcher

具体安装指南参考：https://github.com/zilliztech/deep-searcher （1）克隆仓库 
git clone https://github.com/zilliztech/deep-searcher.git
cd deep-searcher
（2）创建一个虚拟环境并激活它 
#MAKE SURE the python version is greater than or equal to 3.10
python3 -m venv .venv
source .venv/bin/activate
（3）安装依赖 
pip install -e .

​
3.修改示例代码以接入 JieKou.AI 模型

示例代码位于 examples/basic_example.py。可以使用此示例来运行 DeepSearcher。 （1）配置 API Key 将您刚刚获取的 API Key 设置到本地环境变量JIEKOU_API_KEY中。 
export JIEKOU_API_KEY="您的 JIEKOU API Key"
（2）配置LLM与Embedding模型 在示例代码的 config = Configuration() 这一行后添加代码 
config.set_provider_config("llm", "JiekouAI", {"model": "claude-sonnet-4-5-20250929"})
config.set_provider_config("embedding", "JiekouAIEmbedding", {"model": "qwen/qwen3-embedding-8b"})
（3）配置需要检索的文件路径与 prompt 从指定的本地路径加载文件，并将其内容存储到的集合中。修改调用 load_from_local_files 处的代码。 您可以使用项目提供的 examples/data/WhatisMilvus.pdf 文件，也可以使用您自己的文件。 如需执行时删除并重新创建该集合，可将 force_new_collection 设置为 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）运行示例代码在项目根目录下运行： 
python examples/basic_example.py