Repolode
zilliztech

zilliztech/deep-searcher

Открытый инструмент для глубокого поиска и анализа частных данных с помощью LLM и векторных баз данных.

Open source альтернатива:OpenAI Deep Research

Звёзды
8,349
Форки
839
Открытые issues
59
Последний коммит
28 дней назад

Что это?

DeepSearcher — проект на Python для ответов на вопросы и генерации отчётов по частным данным. Он объединяет большие языковые модели, такие как OpenAI, Qwen, DeepSeek, Claude и Llama, с векторными базами данных, такими как Milvus и Zilliz Cloud. Это позволяет разбивать вопрос на части, искать ответы в ваших документах и формировать сводный результат.

Вы загружаете локальные файлы (PDF, текст, Markdown) или веб-страницы в векторное хранилище, а затем отправляете запросы через Python API, CLI или веб-сервис на FastAPI. Провайдеры LLM и моделей эмбеддингов, загрузчики файлов и веб-краулеры настраиваются через единый интерфейс конфигурации. В проекте перечислено множество облачных и локальных вариантов, включая Ollama для полностью локального запуска.

Проект можно установить с помощью pip или запустить из исходного кода с помощью uv. Он предназначен для управления корпоративными знаниями, создания внутренних систем вопросов и ответов и поиска информации в случаях, когда данные должны оставаться под вашим контролем.

Ключевые возможности

  • 01Многоэтапный поиск, оценка и анализ частных документов.
  • 02Поддержка векторных баз данных, включая Milvus, Zilliz Cloud и Qdrant.
  • 03Поддержка множества провайдеров LLM, таких как OpenAI, DeepSeek, Claude, Gemini и Ollama.
  • 04Загрузка локальных файлов PDF, текста и Markdown, а также веб-страниц с помощью краулеров, таких как FireCrawl и Crawl4AI.
  • 05Python API, интерфейс командной строки и веб-сервис на FastAPI.

Сценарии использования

  • Создание внутреннего помощника для ответов на вопросы по корпоративным документам, которые должны оставаться внутри компании.
  • Генерация отчётов в исследовательском стиле на основе подборки PDF-файлов и заметок.
  • Поиск по базе знаний с помощью локальной модели через Ollama для полностью автономной работы без подключения к интернету.
  • Создание прототипов RAG-пайплайнов со сменными LLM и моделями эмбеддингов.

Быстрый старт

  1. 1

    Создайте и активируйте виртуальное окружение

    python -m venv .venv && source .venv/bin/activate
  2. 2

    Установите DeepSearcher с помощью pip

    pip install deepsearcher
  3. 3

    Задайте переменную окружения OPENAI_API_KEY, затем запустите демонстрационный Python-скрипт для быстрого старта из README

Что важно знать

  • Требуется ключ API LLM (например, OpenAI) или модель, запущенная локально, например Ollama.
  • Требуется векторная база данных, например Milvus или Zilliz Cloud, что усложняет настройку.
  • Веб-сканирование документов всё ещё находится в разработке и требует FIRECRAWL_API_KEY.

Темы

Частые вопросы

Что такое deep-searcher?
Открытый инструмент для глубокого поиска и анализа частных данных с помощью LLM и векторных баз данных. DeepSearcher — проект на Python для ответов на вопросы и генерации отчётов по частным данным. Он объединяет большие языковые модели, такие как OpenAI, Qwen, DeepSeek, Claude и Llama, с векторными базами данных, такими как Milvus и Zilliz Cloud. Это позволяет разбивать вопрос на части, искать ответы в ваших документах и формировать сводный результат.
deep-searcher можно использовать бесплатно? Какая у него лицензия?
deep-searcher распространяется с открытым исходным кодом под лицензией Apache-2.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.
deep-searcher всё ещё поддерживается?
Активно поддерживается. Последний коммит в deep-searcher — 22 сент. 2026 г..
Для чего можно использовать deep-searcher?
Создание внутреннего помощника для ответов на вопросы по корпоративным документам, которые должны оставаться внутри компании. Генерация отчётов в исследовательском стиле на основе подборки PDF-файлов и заметок. Поиск по базе знаний с помощью локальной модели через Ollama для полностью автономной работы без подключения к интернету. Создание прототипов RAG-пайплайнов со сменными LLM и моделями эмбеддингов.
Как установить deep-searcher?
Создайте и активируйте виртуальное окружение: python -m venv .venv && source .venv/bin/activate Установите DeepSearcher с помощью pip: pip install deepsearcher Задайте переменную окружения OPENAI_API_KEY, затем запустите демонстрационный Python-скрипт для быстрого старта из README
Где скачать deep-searcher?
Исходный код и инструкции по установке — на GitHub: https://github.com/zilliztech/deep-searcher

Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.

Похожие проекты