Web Analytics

proxyless-llm-websearch

⭐ 122 stars Polish by itshyao

🌐 Język

🧠 Bezproxyowy silnik wyszukiwania internetowego LLM

Wielosilnikowe narzędzie LLM do wyszukiwania w Internecie bez potrzeby korzystania z proxy, obsługujące analizę zawartości URL i pobieranie stron internetowych, łączące LangGraph oraz LangGraph-MCP w celu realizacji modularnych łańcuchów agentów. Zaprojektowane specjalnie do wykorzystania zewnętrznej wiedzy przez duże modele językowe, obsługuje pobieranie i analizę stron przez Playwright + Crawl4AI, wspiera asynchroniczność, równoległość, dzielenie treści i filtrowanie oraz re-ranking.

🚀 Dziennik zmian

✨ Przegląd funkcji

workflow

framework

⚡ Szybki start

Klonowanie repozytorium

git clone https://github.com/itshyao/proxyless-llm-websearch.git
cd proxyless-llm-websearch

Instalacja zależności

pip install -r requirements.txt
python -m playwright install

Konfiguracja zmiennych środowiskowych

# 百炼llm
OPENAI_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
OPENAI_API_KEY=sk-xxx
MODEL_NAME=qwen-plus-latest
百炼embedding

EMBEDDING_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
EMBEDDING_API_KEY=sk-xxx
EMBEDDING_MODEL_NAME=text-embedding-v4
百炼reranker

RERANK_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
RERANK_API_KEY=sk-xxx
RERANK_MODEL=gte-rerank-v2

Langgraph-Agent

#### DEMO

python agent/demo.py

#### SERWER API

python agent/api_serve.py

import requests
url = "http://localhost:8800/search"
data = {
  "question": "广州今日天气",
  "engine": "bing",
  "split": {
    "chunk_size": 512,
    "chunk_overlap": 128
  },
  "rerank": {
    "top_k": 5
  }
}
try:
    response = requests.post(
        url,
        json=data
    )
    if response.status_code == 200:
        print("✅ 请求成功！")
        print("响应内容：", response.json())
    else:
        print(f"❌ 请求失败，状态码：{response.status_code}")
        print("错误信息：", response.text)
except requests.exceptions.RequestException as e:
    print(f"⚠️ 请求异常：{str(e)}")

#### Gradio

python agent/gradio_demo.py

gradio

gradio

#### docker

docker-compose -f docker-compose-ag.yml up -d --build

Langgrph-MCP

#### Uruchamianie usługi MCP

python mcp/websearch.py

#### DEMO

python mcp/demo.py

#### SERWER API

python mcp/api_serve.py

import requests
url = "http://localhost:8800/search"
data = {
  "question": "广州今日天气"
}
try:
    response = requests.post(
        url,
        json=data
    )
    if response.status_code == 200:
        print("✅ 请求成功！")
        print("响应内容：", response.json())
    else:
        print(f"❌ 请求失败，状态码：{response.status_code}")
        print("错误信息：", response.text)
except requests.exceptions.RequestException as e:
    print(f"⚠️ 请求异常：{str(e)}")

#### docker

docker-compose -f docker-compose-mcp.yml up -d --build

Moduły niestandardowe

#### Niestandardowe podziały na bloki

from typing import Optional, List
class YourSplitter:
    def __init__(self, text: str, chunk_size: int = 512, chunk_overlap: int = 128):
        self.text = text
        self.chunk_size = chunk_size
        self.chunk_overlap = chunk_overlap
    def split_text(self, text: Optional[str] = None) -> List:
        # TODO: implement splitting logic
        return ["your chunk"]

#### Niestandardowe przestawianie

from typing import List, Union, Tuple
class YourReranker:
    async def get_reranked_documents(
        self,
        query: Union[str, List[str]],
        documents: List[str],
    ) -> Union[
        Tuple[List[str]],
        Tuple[List[int]],
    ]:
        return ["your chunk"], ["chunk index"]

🔍 Porównanie z testem wyszukiwania online

Porównaliśmy nasz projekt z kilkoma popularnymi API online, aby ocenić jego wydajność przy złożonych problemach.

🔥 Zbiór danych

🧑‍🏫 Wyniki porównania

| Wyszukiwarka/System | ✅ Poprawne | ❌ Niepoprawne | ⚠️ Częściowo poprawne | | ------------------- | ---------- | ------------- | --------------------- | | Volcano Ark | 5,00% | 72,21% | 22,79% | | Bailian | 9,85% | 62,79% | 27,35% | | Our | 19,85% | 47,94% | 32,06% |

🙏 Podziękowania

Część funkcji tego projektu została zainspirowana i wsparta przez następujące projekty open-source, za co serdecznie dziękujemy:

--- Tranlated By Open Ai Tx | Last indexed: 2025-09-08 ---

Original README: View on GitHub

Translated by OpenAiTx | Last updated: 2025-09-16