Перейти к основному содержанию
DeepSearcher объединяет передовые LLM (OpenAI o1, o3-mini, DeepSeek, Grok 3, Claude 4 Sonnet, Llama 4, QwQ и др.) и векторные базы данных (Milvus, Zilliz Cloud и др.), выполняя поиск, оценку и рассуждения на основе приватных данных, чтобы предоставлять высокоточные ответы и подробные отчеты. Идеально подходит для: корпоративного управления знаниями, интеллектуальных систем вопросов и ответов, а также сценариев информационного поиска. Пример изображения 1

1. Получение конфигурационной информации JieKou.AI

(1) Регистрация и получение API-ключа

Зарегистрируйтесь и войдите в JieKou.AI. При регистрации укажите инвайт-код【YGHNZ0】, чтобы получить регистрационный бонус $2. Пример изображения 2 Откройте страницу управления【API key】, нажмите кнопку добавления, введите собственное имя ключа и сгенерируйте API-ключ. Пример изображения 3 Пример изображения 4

(2) Генерация и сохранение API-ключа

!Внимание: ключ хранится на сервере в зашифрованном виде, и после создания его нельзя просмотреть повторно. Пожалуйста, надежно сохраните ключ; если он будет утерян, необходимо удалить его в консоли и создать новый. Пример изображения 5

(3) Получение ID модели, которую нужно использовать

В каталоге моделей JieKou.AI найдите нужную модель, скопируйте model id и базовый URL. Пример изображения 6
  • Gemini-3-pro-preview
  • Gemini-2.5-pro
  • Claude-sonnet-4-5
  • Gpt-5.1
  • Gpt-4o
Другие ID моделей, максимальный контекст и цены см. здесь: Каталог моделей

2. Установка DeepSearcher

Подробное руководство по установке см.: https://github.com/zilliztech/deep-searcher (1) Клонируйте репозиторий
(2) Создайте виртуальное окружение и активируйте его
(3) Установите зависимости

3. Изменение примера кода для подключения моделей JieKou.AI

Пример кода находится в examples/basic_example.py. Вы можете использовать этот пример для запуска DeepSearcher. (1) Настройте API Key Установите только что полученный API Key в локальную переменную окружения JIEKOU_API_KEY.
(2) Настройте LLM и модель Embedding Добавьте код после строки config = Configuration() в примере кода
(3) Настройте путь к файлам для поиска и prompt Загрузите файлы из указанного локального пути и сохраните их содержимое в коллекцию. Измените код в месте вызова load_from_local_files. Вы можете использовать файл examples/data/WhatisMilvus.pdf, предоставленный проектом, или свои собственные файлы. Если при выполнении нужно удалить и заново создать эту коллекцию, установите force_new_collection в True.
(4) Запустите пример кода из корневого каталога проекта: