InternLM/MindSearchView GitHub Homepage for Latest Official Releases
基于大语言模型的多智能体网络搜索引擎框架,模拟人类思維過程实现深度AI搜索
Apache-2.0JavaScriptMindSearchInternLM 6.5k Last Updated: July 04, 2025
MindSearch - 开源AI多智能体搜索引擎框架
项目概述
MindSearch是一个开源的基于大语言模型(LLM)的多智能体网络搜索引擎框架,旨在模拟人类在网络信息搜索和整合过程中的认知过程。该项目由上海人工智能实验室和中国科学技术大学共同开发,提供了与Perplexity.ai Pro和SearchGPT相媲美的搜索体验。
核心特性
🤔 解答任何问题
MindSearch通过搜索解决你在生活中遇到的各种问题,能够处理复杂的查询需求。
📚 深度知识探索
MindSearch通过数百网页的浏览,提供更广泛、深层次的答案。系统能够在3分钟内并行处理300+网页的信息,相当于人类专家3小时的工作量。
🔍 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。
🧠 动态图构建过程
MindSearch将用户查询分解为图中的子问题节点,并根据WebSearcher的搜索结果逐步扩展图。
技术架构
核心组件
MindSearch采用多智能体架构,由两个主要组件构成:WebPlanner和WebSearcher。
WebPlanner(网络规划器)
- 作为高级规划器,协调推理步骤和多个WebSearcher
- 将复杂的用户查询分解为原子级子问题作为图中的节点
- 基于WebSearcher的搜索结果逐步扩展图
- 专注于查询分解和分析,不受冗长搜索结果的干扰
WebSearcher(网络搜索器)
- 执行细粒度的网络搜索并将有价值的信息总结回规划器
- 执行层次化信息检索,处理每个子问题
- 包含4个主要步骤:查询重写、搜索内容聚合、详细页面选择和最终总结
工作流程
- 查询分解:WebPlanner将复杂查询分解为多个子查询
- 并行搜索:多个WebSearcher并行处理不同的子查询
- 信息整合:WebPlanner收集和整合来自各个WebSearcher的结果
- 动态扩展:根据搜索结果动态调整和扩展搜索图
技术实现
支持的模型
- 开源模型:InternLM2.5-7b-chat(经过专门优化)
- 闭源模型:GPT-4、Claude等
- 部署方式:支持本地服务器、客户端和HuggingFace等多种部署方式
支持的搜索引擎
- DuckDuckGo Search(无需API密钥)
- Bing Search
- Brave Search
- Google Serper
- Tencent Search
前端界面
- React:现代化的Web界面
- Gradio:简单易用的Python界面
- Streamlit:数据科学友好的界面
- Terminal:命令行界面
安装和使用
基础安装
git clone https://github.com/InternLM/MindSearch
cd MindSearch
pip install -r requirements.txt
环境配置
mv .env.example .env
# 编辑.env文件,添加API密钥和模型配置
启动服务
python -m mindsearch.app --lang cn --model_format internlm_server --search_engine DuckDuckGoSearch --asy
参数说明
--lang
:模型语言,cn
为中文,en
为英文--model_format
:模型格式,如internlm_server
、gpt4
等--search_engine
:搜索引擎类型--asy
:部署异步智能体
React前端启动
# 配置后端URL
HOST="127.0.0.1"
PORT=8002
sed -i -r "s/target:\s*\"\"/target: \"${HOST}:${PORT}\"/" frontend/React/vite.config.ts
# 安装依赖
cd frontend/React
npm install
npm start
Docker部署
项目提供了MSDL(MindSearch Docker Launcher)工具,简化Docker部署过程:
cd MindSearch/docker
# 运行交互式配置工具
支持本地模型和云端模型两种部署方式,提供GPU加速支持。
性能表现
基准测试结果
在深度、广度和生成响应的准确性三个方面,对ChatGPT-Web、Perplexity.ai(Pro)和MindSearch的表现进行比较。评估结果基于100个由人类专家精心设计的现实问题,并由5位专家进行评分。
优势特点
- 效率提升:3分钟内处理300+网页,相当于人类专家3小时的工作
- 质量提升:在深度和广度方面显著提升响应质量
- 竞争力:基于InternLM2.5-7B的MindSearch响应质量优于ChatGPT-Web和Perplexity.ai
项目特色
开源优势
- 完全开源:所有代码在Apache 2.0许可证下开源
- 社区驱动:活跃的GitHub社区和持续更新
- 可定制性:支持多种模型和搜索引擎的灵活配置
技术创新
- 多智能体协作:创新的WebPlanner+WebSearcher架构
- 动态图构建:模拟人类认知过程的图构建方法
- 并行处理:高效的并行信息检索和整合
- 上下文管理:智能的长上下文管理机制
相关项目
MindSearch是InternLM生态系统的重要组成部分,与以下项目协同工作:
- Lagent:轻量级LLM智能体框架
- AgentLego:多功能工具API库
- InternLM2.5:优化的大语言模型
- LMDeploy:模型部署工具包
总结
MindSearch代表了AI搜索引擎领域的重要突破,通过模拟人类认知过程,实现了高效、准确的网络信息搜索和整合。其开源特性和优秀性能使其成为构建自定义AI搜索引擎的理想选择。