LLM Answer Engine：使用 Next.js、Groq、Mixtral、Langchain、OpenAI、Brave 和 Serper 构建答案引擎

在你平时上网搜索信息的时候，是不是常常觉得找不到想要的答案？别担心，我最近发现了一个超棒的项目，叫做LLM Answer Engine。这个项目是为了解决复杂查询而设计的，使用了Next.js、Groq、Mixtral、Langchain、OpenAI、Brave和Serper等技术，感觉就像是为我们这些“搜索狂”量身定做的。

LLM Answer Engine是什么？

简单来说，LLM Answer Engine是一个灵活的答案引擎，它可以根据用户的查询高效地返回相关的来源、答案、图片、视频以及后续问题。对于那些对自然语言处理和搜索技术感兴趣的开发者来说，这个项目绝对是一个很好的起点。

使用的技术

• Next.js：这是一个用于构建服务端渲染和静态Web应用的React框架。
• Tailwind CSS：一个实用优先的CSS框架，可以快速构建自定义用户界面。
• Vercel AI SDK：用于构建AI驱动的流式文本和聊天UI的库。
• Groq & Mixtral：用于处理和理解用户查询的技术。
• Langchain.JS：专注于文本操作的JavaScript库，比如文本拆分和嵌入。
• Brave Search：一个注重隐私的搜索引擎，用于获取相关内容和图片。
• Serper API：用于根据用户查询获取相关视频和图片结果。
• OpenAI Embeddings：用于创建文本块的向量表示。

如何开始

要开始使用这个项目，你需要先获取一些API密钥，比如OpenAI、Groq、Brave Search和Serper的API密钥。然后，你可以选择使用Docker或非Docker的方式来安装和运行这个项目。

Docker安装

1. 克隆仓库：

       
   bash复制
       
   git clone https://github.com/developersdigest/llm-answer-engine.git
   
       

   git clone https://github.com/developersdigest/llm-answer-engine.git
2. 进入目录：

       
   bash复制
       
   cd llm-answer-engine
   
       

   cd llm-answer-engine
3. 编辑docker-compose.yml文件并添加你的API密钥。
4. 启动服务器：

       
   bash复制
       
   docker compose up -d #for v2
   
       

   docker compose up -d #for v2 服务器会在指定端口监听。

非Docker安装

1. 安装所需的依赖：

       
   bash复制
       
   npm install
   
       

   npm install
2. 在项目根目录创建一个.env文件，并添加你的API密钥。
3. 启动服务器：

       
   bash复制
       
   npm run dev
   
       

   npm run dev 服务器会在指定端口监听。

配置编辑

你可以在app/config.tsx文件中修改配置，比如选择不同的模型和嵌入模型，调整文本块大小等。

贡献

如果你对这个项目有兴趣，欢迎贡献代码。你可以fork这个仓库，进行修改，然后提交pull request。当然，你也可以通过提出issue来建议改进或报告bug。

最后嘛，我觉得这个LLM Answer Engine真的是个很酷的项目，它不仅能帮我们快速找到答案，还能通过各种技术的结合，提供一种全新的搜索体验。对于开发者来说，这是一个探索和学习的好机会！