deep search lightning

](https://mseep.ai/app/positive666-deep-search-lightning)

深度搜索闪电


适用于大型语言模型的轻量级纯网络搜索解决方案，支持多引擎聚合搜索、深度反思和结果评估。在网络搜索和深入研究之间采取平衡的方法，提供无框架的实现，便于开发人员集成。

✨ 为什么选择deepsearch_lighting？

Web搜索是大型语言模型的常见功能，但传统解决方案存在局限性：

• 搜索结果质量和反射效果有限
• 需要强大的模型和付费搜索引擎
• 小型模型经常在工具调用模式上遇到困难
• 不同模型大小的上下文理解可能不稳定

深度搜索照明提供：

• 无框架无限制实施
• 使用免费API，同时保持良好的查询质量
• 可调节的深度参数，以平衡速度和结果
• 模型自我评价的反思机制
• 支持任何尺寸的型号，包括较小的型号

【实验计划】：

• 简化设计，无需网页解析或文本分块
• 考虑添加RL训练的小回忆模型

✨ 特性

• 多引擎聚合搜索：

- ✅ 百度（免费） - ✅ DuckDuckGo（免费，但需要VPN） - ✅ Bocha（需要API密钥） - ✅ Tavily（需要注册密钥）

• 反思策略与可控评价

• 所有LLM型号的自定义管道

• OpenAI风格的API兼容性

• 纯模型源代码，易于集成

• 内置MCP服务器支持

📺 演示

demo

🔄 Piepline

Piepline

🚀 快速开始

1.安装

    conda create -n deepsearch_lightning python==3.11
    conda activate deepsearch_lightning
    pip install -r requirements.txt
    # Optional: For langchain support
    pip install -r requirements_langchain.txt

🔧配置

1. 将.env.example.s重命名为.env
2. 填写您的模型信息（目前支持OpenAI风格的API）
3. 百度搜索默认启用-根据需要配置其他引擎

🚀 跑

        1. test case
                python test_demo.py
        2. streamlit demo
                streamlit run streamlit_app.py
        3. run mcp server
                python mcp_server.py 
                python langgraph_mcp_client.py

规划

🧪 RL-trained small recall QA model validation
🧪 Strategy improvements
🧪 Multi-agent framework implementation

🙌 欢迎贡献您的想法！通过\[问题\]或\[拉取请求\]参与项目。

许可证

此存储库根据 Apache-2.0许可证.