Saltar al contenido principal
DeepSearcher combina LLM de vanguardia (OpenAI o1, o3-mini, DeepSeek, Grok 3, Claude 4 Sonnet, Llama 4, QwQ, etc.) y bases de datos vectoriales (Milvus, Zilliz Cloud, etc.) para ejecutar búsquedas, evaluaciones y razonamiento sobre datos privados, proporcionando respuestas de alta precisión e informes completos. Ideal para: gestión del conocimiento empresarial, sistemas inteligentes de preguntas y respuestas, y escenarios de recuperación de información. Example Image1

​
1. Obtener la información de configuración de JieKou.AI

​
(1) Registrarse para obtener una clave API

Regístrate e inicia sesión en JieKou.AI. Si introduces el código de invitación【YGHNZ0】al registrarte, obtendrás una recompensa de registro de $2. Example Image2 Abre la página de administración de【API key】, haz clic en el botón para añadir, introduce un nombre personalizado para la clave y genera la clave API. Example Image3 Example Image4

​
(2) Generar y guardar la clave API

!Atención: la clave se almacena cifrada en el servidor y no se puede volver a ver después de crearla. Guárdala correctamente; si la pierdes, deberás eliminarla en la consola y crear una clave nueva. Example Image5

​
(3) Obtener el ID del modelo que necesitas usar

En la Plaza de modelos de JieKou.AI, busca el modelo que deseas usar y copia el ID del modelo y la URL base. Example Image6
  • Gemini-3-pro-preview
  • Gemini-2.5-pro
  • Claude-sonnet-4-5
  • Gpt-5.1
  • Gpt-4o
Para otros ID de modelos, contexto máximo y precios, consulta: Plaza de modelos

​
2. Instalar DeepSearcher

Consulta la guía de instalación detallada en: https://github.com/zilliztech/deep-searcher (1) Clonar el repositorio 
git clone https://github.com/zilliztech/deep-searcher.git
cd deep-searcher
(2) Crear un entorno virtual y activarlo 
#MAKE SURE the python version is greater than or equal to 3.10
python3 -m venv .venv
source .venv/bin/activate
(3) Instalar las dependencias 
pip install -e .

​
3. Modificar el código de ejemplo para conectarse a los modelos de JieKou.AI

El código de ejemplo se encuentra en examples/basic_example.py. Puedes usar este ejemplo para ejecutar DeepSearcher. (1) Configurar la API Key Establece la API Key que acabas de obtener en la variable de entorno local JIEKOU_API_KEY. 
export JIEKOU_API_KEY="YOUR_JIEKOU_API_KEY"
(2) Configurar el LLM y el modelo de Embedding Añade el siguiente código después de la línea config = Configuration() en el código de ejemplo: 
config.set_provider_config("llm", "JiekouAI", {"model": "claude-sonnet-4-5-20250929"})
config.set_provider_config("embedding", "JiekouAIEmbedding", {"model": "qwen/qwen3-embedding-8b"})
(3) Configurar la ruta del archivo que se va a recuperar y el prompt Carga el archivo desde la ruta local especificada y almacena su contenido en la colección. Modifica el código donde se llama a load_from_local_files. Puedes usar el archivo examples/data/WhatisMilvus.pdf proporcionado por el proyecto, o usar tu propio archivo. Si necesitas eliminar y volver a crear la colección durante la ejecución, puedes establecer force_new_collection en 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) Ejecutar el código de ejemplo desde el directorio raíz del proyecto: 
python examples/basic_example.py