【GitHub每日速递 250922】开源 AI 搜索引擎 Perplexica：本地大模型 + 多模式搜索，免费又强大！

原文: https://mp.weixin.qq.com/s/F7KwZlUd5OQg5CbAEbZGug

MarkItDown：多格式文件转Markdown神器，助力LLM文本分析！

markitdown 是一个将文件和办公文档转换为 Markdown 的工具。简单讲，它能帮你把 Word、Excel 等文档一键转成简洁的 Markdown 格式。适用人群：需要频繁处理文档转换的开发者、技术写作者和内容创作者。

项目地址：https://github.com/microsoft/markitdown

主要语言：Python

stars: 77.16k

仓库核心功能

MarkItDown 是一个轻量级的 Python 工具，主要用于将各种文件转换为 Markdown 格式，以用于大语言模型（LLMs）和相关文本分析管道。它支持多种文件格式的转换，包括 PDF、PowerPoint、Word、Excel、图片、音频、HTML、基于文本的格式（如 CSV、JSON、XML）、ZIP 文件、Youtube 链接、EPubs 等。

优势

• 保留文档结构：与 textract 相比，MarkItDown 更注重将重要的文档结构和内容保留为 Markdown 格式，如标题、列表、表格、链接等。
• 适合文本分析：输出的 Markdown 内容虽然也具有一定的可读性，但主要是为文本分析工具设计的。
• Markdown 的优势：Markdown 接近纯文本，标记和格式最少，主流的大语言模型（如 OpenAI 的 GPT - 4o）原生支持 Markdown，并且在训练中接触过大量 Markdown 格式的文本，理解能力强，同时 Markdown 约定在处理时具有较高的令牌效率。

可能的应用场景

• 文本分析：将各种文件转换为 Markdown 后，可以方便地输入到文本分析工具中进行处理，如情感分析、主题建模等。
• 大语言模型交互：为大语言模型提供结构化的输入，以便更好地理解文档内容。

关键信息

前提条件

• 需要 Python 3.10 或更高版本。
• 建议使用虚拟环境来避免依赖冲突，并给出了标准 Python 安装、uv 和 Anaconda 创建虚拟环境的方法。

安装

• 可以使用 pip install 'markitdown[all]' 进行安装。
• 也可以从源代码安装，先克隆仓库，再使用 pip install -e 'packages/markitdown[all]' 进行安装。

使用方法

• 命令行 ：支持直接指定输入文件并输出到 Markdown 文件，也可以使用 o 指定输出文件，还支持管道输入。
• 可选依赖 ：可以根据需要单独安装特定文件格式的依赖，如 pip install 'markitdown[pdf, docx, pptx]'。
• 插件 ：支持第三方插件，默认禁用，提供了列出和启用插件的命令，可在 GitHub 搜索 #markitdown - plugin 查找可用插件，开发插件可参考 packages/markitdown - sample - plugin。
• Azure 文档智能服务：可使用 Microsoft 文档智能服务进行转换，需要提供端点信息。
• Python API：提供了基本的 Python 使用示例，包括是否启用插件、使用文档智能服务和使用大语言模型进行图像描述的示例。
• Docker：提供了 Docker 构建和运行的命令。

开源AI搜索引擎Perplexica来袭！支持本地大模型，多模式搜索超强大

Perplexica 是一个 AI 驱动的开源搜索引擎。简单讲，它能像Perplexity AI一样通过人工智能帮你快速找到并总结网络信息，但代码完全开放免费。适用人群：需要高效获取准确信息的研究者、开发者及普通网民。

项目地址：https://github.com/ItzCrazyKns/Perplexica

主要语言：TypeScript

stars: 25.21k

仓库整体介绍

Perplexica 是一个开源的人工智能搜索引擎，受 Perplexity AI 启发而开发。它不仅能进行网页搜索，还能理解用户问题，使用先进的机器学习算法（如相似性搜索和嵌入技术）优化搜索结果，并清晰地给出答案且附带信息来源。该项目借助 SearxNG 保证信息的时效性和隐私性，让用户获取最新信息。

核心功能

• 本地大语言模型支持：可使用 Qwen、DeepSeek、Llama 和 Mistral 等本地大语言模型。
• 两种主要模式
  • Copilot 模式：仍在开发中，通过生成不同查询来找到更相关的互联网资源，会访问搜索结果的页面直接查找与用户查询相关的内容。
  • 正常模式：处理用户查询并进行网页搜索。
• 多种聚焦模式
  • 全模式：搜索整个网络以找到最佳结果。
  • 写作助手模式：对无需网络搜索的写作任务有帮助。
  • 学术搜索模式：查找文章和论文，适合学术研究。
  • YouTube 搜索模式：根据搜索查询查找 YouTube 视频。
  • Wolfram Alpha 搜索模式：使用 Wolfram Alpha 回答需要计算或数据分析的查询。
  • Reddit 搜索模式：在 Reddit 上搜索与查询相关的讨论和观点。
• 实时信息获取：利用 SearxNG 这个元搜索引擎获取结果并重新排序，确保用户获得最新信息，无需每日更新数据。
• API 支持：开发者可将其集成到现有应用程序中。

代码架构特点

项目使用 Next.js 运行并处理所有 API 请求，在同一网络中可直接使用，通过端口转发也能保持可访问性。

安装方式

• 使用 Docker（推荐）
  • 确保 Docker 已安装并运行。
  • 克隆仓库：git clone https://github.com/ItzCrazyKns/Perplexica.git
  • 进入项目目录，将 sample.config.toml 重命名为 config.toml，按需填写相关字段（如不同模型的 API 密钥等）。
  • 在包含 docker-compose.yaml 文件的目录下执行 docker compose up -d。
  • 等待几分钟，在浏览器中访问 http://localhost:3000 即可使用。
• 非 Docker 安装
  • 安装 SearXNG 并允许 JSON 格式。
  • 克隆仓库，重命名 sample.config.toml 为 config.toml 并填写所需字段。
  • 运行 npm i 安装依赖。
  • 执行 npm run build。
  • 运行 npm run start 启动应用。

常见问题解决

• 本地 OpenAI - API 兼容服务器问题 ：确保服务器在 0.0.0.0 上运行，指定正确的模型名称和 API 密钥。
• Ollama 连接错误：检查 API URL，根据不同操作系统更新 URL，Linux 用户需将 Ollama 暴露到网络并确保端口未被防火墙阻止。
• Lemonade 连接错误：检查 API URL，根据不同操作系统更新 URL，确保 Lemonade 服务器运行，配置为接受所有接口连接且端口未被防火墙阻止。

使用方法

• 作为搜索引擎使用 ：在浏览器设置的"搜索引擎"部分添加新的站点搜索，URL 为 http://localhost:3000/?q=%s，可直接从浏览器搜索栏使用。
• 使用 API ：开发者可参考 API 文档将其集成到自己的应用中。

一键部署

提供了在 Sealos、RepoCloud、ClawCloud 和 Hostinger 等平台的一键部署方式。

即将推出的功能

• 目前已完成添加设置页面、支持本地大语言模型、历史保存功能、引入多种聚焦模式、添加 API 支持和发现功能。
• 待完成的功能为完善 Copilot 模式。

OpenAI Codex CLI来袭！本地运行编码神器，多种安装使用方式揭秘

一个在终端中运行的轻量级编程代理工具。简单讲，它能帮你自动生成代码、理解代码逻辑并完成编程任务，就像一个会写代码的助手。适用人群：开发者、程序员及终端重度用户。

项目地址：https://github.com/openai/codex

主要语言：Rust

stars: 42.0k

OpenAI Codex CLI 是 OpenAI 推出的一款本地运行的编码代理工具，以下是它的详细介绍：

• 安装与运行
  • 可以使用包管理器全局安装，如使用 npm 安装，命令为 npm install -g @openai/codex；若使用 Homebrew，命令为 brew install codex。安装完成后，运行 codex 即可启动。
  • 也能前往 最新 GitHub Release 页面，根据自己的平台下载合适的二进制文件。不同系统有对应的文件，如 macOS 有适用于 Apple Silicon/arm64 的 codex-aarch64-apple-darwin.tar.gz 和适用于 x86_64 的 codex-x86_64-apple-darwin.tar.gz；Linux 有适用于 x86_64 的 codex-x86_64-unknown-linux-musl.tar.gz 和适用于 arm64 的 codex-aarch64-unknown-linux-musl.tar.gz。解压后建议重命名为 codex。
• 与 ChatGPT 计划结合使用
  • 运行 codex 后选择"Sign in with ChatGPT"，推荐使用 ChatGPT 的 Plus、Pro、Team、Edu 或 Enterprise 计划账号登录使用。若想了解 ChatGPT 计划包含的内容，可查看 相关文章。
  • 也能使用 API 密钥，但需要 额外设置。若之前使用 API 密钥进行按使用量计费，可参考 迁移步骤。若登录遇到问题，可在 此问题 下留言。
• 模型上下文协议（MCP） ：支持 MCP 服务器，在 ~/.codex/config.toml 中添加 mcp_servers 部分即可启用。
• 配置 ：支持丰富的配置选项，偏好设置存储在 ~/.codex/config.toml 中，完整配置选项可查看 Configuration。
• 文档与常见问题解答：涵盖了从入门到高级使用的各个方面，包括入门指南、沙盒与审批、认证、高级功能、零数据保留、贡献、安装与构建等内容。

优势

• 本地运行：可在本地计算机上运行，一定程度上保障数据安全和隐私。
• 多方式使用：既可以结合 ChatGPT 计划使用，也能使用 API 密钥。
• 丰富配置：支持多种配置选项，可根据需求灵活调整。

应用场景

• 开发人员在命令行中快速获取代码生成、代码解释等帮助。
• 用于持续集成（CI）流程，结合非交互模式自动完成代码相关任务。
• 辅助教学，帮助学生学习编程时快速获得代码示例和解释。