80's网盘资源分享

这个项目刚刚发布便登上 GitHub 热榜首位，短短一周便收获了惊人的 2K star，背后的 团队 更是备受热议， 今天 的 开源项目 就是 AI 搜索引擎：lepton search

Lepton Search 的一些背景

Lepton Search 是有 LeptonAI 推出的 ai 增强对话式搜索引擎，可以说从发布出来的那一天，就备受关注和争议。

首先要说不是 产品 ，而是 LeptonAI 的 CEO 贾扬清。如果是关注 AI 圈子的人，一定对这个名字不陌生了，先是贾扬清发表的朋友圈，怒喷了一把国内某些大厂的大模型抄袭，当时一度爆火。

再说回产品，在 1 月 25 日 Lepton AI 发布了一个小 demo，当时 Lepton Search 还没有正式开源。在发布之后，号称要干掉 谷歌 搜索的 Perplexity 创始人声称 LeptonAI 在“借鉴”、“致敬”他们的产品。作为 LeptonAI 的创始人，贾扬清在 Twitter 上进行了公开回击，并且明确说，要开源 Lepton Search。

现在 Lepton Search 正式开源后，关注度更是持续升温。

Lepton Search 是什么

贾扬清在自己的团队记录里提到，这只是一个 demo，仅用了一个周末的 时间 来演示 AI 应用容易实现。以下它目前的能力：

• 对 LLM 的内置支持
• 内置搜索引擎支持
• 可定制漂亮的 UI 界面
• 可共享的缓存搜索结果

Lepton Search 之所以 500 行代码就能实现，依赖的是它背后已经模块化的 AI 能力，这里 Lepton Search 之所以核心使用到的能力有 3 块：

• 大模型，调用了在 LeptonAI 自家云上部署的开源 Mixtral-8x7b 模型。
• 搜索引擎，目前用了必应搜索的 API。
• 数据 存储，用自家 Lepton KV 作为无服务器存储。

所以 Lepton Search 是一个 前端 UI 加接口调度的组合。但是这也给所有 开发 者一个借鉴， 未来 的 AI 应用开发将愈来愈模块化。

使用 Lepton Search

项目提供了在线试用：

https://search.lepton.run/

当然也可以自己来编译部署，以下几步：

首先需要获取 bing 的 key，设置为变量

export BING_SEARCH_V7_SUBSCRIPTION_KEY=YOUR_BING_SUBSCRIPTION_KEY

编译 web

cd web && npm  install  && npm run build

启动服务

BACKEND=BING  python  search_with_lepton.py

AI 增强搜索引擎

目前，大 语言 模型（LLM）主要面临两大挑战：数据陈旧、偶发幻觉。由于基础模型所使用的预训练数据集具有明确的截止日期，因此无法根据最新数据做出响应。即使是当前最强大的模型，也往往会因数据过时而编造答案，也就是人们常说的“幻觉”问题。

对于无法访问最新数据，可以有两种 方法 ，第一种是通过搜索引擎，通过执行 网络 搜索并向大模型提交输来改善 决策 质量。

第二种方法是，通过所谓检索增强生成（RAG），这项成熟 技术 可以解决一定程度的“幻觉”问题。与前面提到的动态调用搜索 API 方法不同，RAG 强调从公开数据存储中检索数据，例如向量 数据库 或者由外部维护的全文搜索索引等。

项目 信息

• 项目名称：Lepton Search
• GitHub 链接：https:// github .com/leptonai/search_with_lepton
• Star 数：2K+

夸克资源精选合集