MindSearch容器构建教程

一、介绍

书生·浦语团队提出了 MindSearch(思·索)框架,能够在 3 分钟内主动从 300+ 网页中搜集整理有效信息,总结归纳,解决人类需要 3 小时才能完成的任务。

二、应用场景

包括但不限于以下几个方面:

  • 学术研究 :帮助研究人员快速搜集和整理相关领域的文献资料,提高研究效率。
  • 市场调研 :为企业市场部门提供快速的市场信息搜集和分析能力,助力企业决策。
  • 新闻采编 :辅助新闻工作者快速获取和整理新闻素材,提高新闻报道的时效性和准确性。
  • 教育学习 :帮助学生和教师快速查找和整理学习资料,提升学习效果和教学效率。

三、容器构建流程

1、安装更新基础环境

复制代码
apt update 
apt upgrade 
apt install build-essential 

2、安装miniconda

Miniconda官网找到相应版本的安装链接,结合相应的安装指令,进行安装

安装miniconda命令

复制代码
wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh

3、创建虚拟环境

复制代码
conda create -n mindsearch python=3.9
conda activate mindserarch

4、克隆项目仓库,并打开文件

复制代码
git clone https://github.com/InternLM/MindSearch
cd MindSearch

5、依赖安装

复制代码
pip install -r requirements.txt

6、启动 MindSearch API

启动 FastAPI 服务

复制代码
python -m mindsearch.app --lang en --model_format internlm_server
  • --lang: 模型的语言,en 为英语,cn 为中文。
  • --model_format: 模型的格式。
    • internlm_server 为 InternLM2.5-7b-chat 本地服务器。
    • gpt4 为 GPT4。 如果您想使用其他模型,请修改 models

7、修改 frontend/mindsearch_gradio.py文件最后一行,指定 host 和 port

复制代码
demo.launch(server_name='0.0.0.0', server_port=8080)

8、启动 MindSearch 前端

复制代码
python frontend/mindsearch_gradio.py

四、网页展示

相关推荐
锋行天下3 小时前
公司内网部署大模型的探索之路
前端·人工智能·后端
背心2块钱包邮5 小时前
第7节——积分技巧(Integration Techniques)-代换积分法
人工智能·python·深度学习·matplotlib
无心水5 小时前
【分布式利器:大厂技术】4、字节跳动高性能架构:Kitex+Hertz+BytePS,实时流与AI的极致优化
人工智能·分布式·架构·kitex·分布式利器·字节跳动分布式·byteps
阿正的梦工坊5 小时前
DreamGym:通过经验合成实现代理学习的可扩展化
人工智能·算法·大模型·llm
PixelMind5 小时前
【超分辨率专题】FlashVSR:单步Diffusion的再次提速,实时视频超分不是梦!
深度学习·音视频·超分辨率·vsr
湘-枫叶情缘5 小时前
人脑生物芯片作为“数字修炼世界”终极载体的技术前景、伦理挑战与实现路径
人工智能
噜~噜~噜~5 小时前
偏导数和全导数的个人理解
深度学习·偏导数·梯度·全导数
Aaron15886 小时前
侦察、测向、识别、干扰一体化平台系统技术实现
人工智能·fpga开发·硬件架构·边缘计算·信息与通信·射频工程·基带工程
维维180-3121-14556 小时前
作物模型的未来:DSSAT与机器学习、遥感及多尺度模拟的融合
人工智能·生态学·农业遥感·作物模型·地理学·农学
lx7416026986 小时前
change-detection关于llm方向的任务与优化
深度学习