Perplexity AI 是一个利用搜索引擎和人工智能模型相结合的方式，来提供搜索查询的答案，因此获得了广泛关注。这是一个基于人工智能的搜索引擎。

不同于像必应、谷歌和雅虎这样的传统搜索引擎，Perplexity 则使用大型语言模型来解析和回应查询，提供不仅仅是关键词匹配，而是上下文相关的答案。

我们可以从上述段落中得出三个因素。

1. 理解用户自然语言的查询，这要归功于大型语言模型（LLM）和一些提示工程。
2. 具备从不同来源搜索和获取答案的能力。
3. 将所有结果汇总在一起，生成一个引用来源的AI答案。

• （可选）重新排序结果，使结果更贴合用户的需求。

所以，为了让你的数据和数据源得到有效处理，我们需要一个解决方案来连接数据源、应用程序和数据库以获取数据。需要一个搜索基础设施，然后并集成到AI模型，例如摘要、重新排序等功能。

对于这部分，我们将使用SWIRL将应用和AI模型集成在一起。至于搜索，我们将使用SWIRL的Docker容器中内置的默认Google搜索引擎插件。你可以添加更多的应用来搜索，但这部分内容将在未来的教程中介绍。 😁

SWIRL 项目在 GitHub 上

要使用GitHub指南在Docker中尝试SWIRL软件，请按以下步骤操作：
还有一个简短的YouTube教程，您可以观看一下……

前提条件

1. 确保您的系统（MacOS、Linux 或 Windows）已安装并运行 Docker。如果是 Windows 用户，可能还需要安装和配置 WSL 2（WSL 2） 或 Hyper-V（Hyper-V）。
2. Windows 用户可能还需要安装和配置 WSL 2 或 Hyper-V。

在 Docker 中安装和配置 SWIRL 的步骤 🐋

下载 Docker 的 YAML 文件：

• 打开一个终端并运行命令

``` curl https://raw.githubusercontent.com/swirlai/swirl-search/main/docker-compose.yaml -o docker-compose.yaml

此命令用于从GitHub获取docker-compose.yaml文件。

2. **在 Docker 中启动 SWIRL**：

* 对于 **MacOS 或 Linux 用户**，可以运行：

在终端中输入以下命令:

docker-compose pull && docker-compose up

  对于 **Windows** 系统，在 PowerShell 中运行：

docker compose up

启动 Docker Compose 服务

1. **开启实时的RAG（检索增强）**：

* 设置环境变量值：

  export MSAL_CB_PORT=8000 # 设置MSAL端口为8000
  export MSAL_HOST=localhost # 设置MSAL主机为本地主机
  export OPENAI_API_KEY='your-OpenAI-API-key' # 设置你的OpenAI API密钥

  重启 Docker，以激活 RAG 特性。

1. **访问SWIRL页面**:

* 在浏览器中输入 `http://localhost:8000`。

* 用管理员身份登录（用户名是 `admin`，默认密码也是 `password`）。

* 输入搜索词并点击“搜索”按钮查看结果。

如果您需要更多帮助，可以在这里查看详细说明[这里](https://github.com/swirlai/swirl-search)。

## 让我们开始吧，开始搜索并让AI生成摘要 🔍

一旦SWIRL系统运行起来，我们就可以开始搜索各种查询并自动生成AI总结了。最棒的是，它还能对搜索结果进行重新排序。

**搜索“最好的开源搜索引擎”**

[![寻找好用的开源搜索引擎](https://imgapi.imooc.com/671af82008f2ee2708000532.jpg)](https://imgapi.imooc.com/671af82008f2ee2708000532.jpg)

**搜索“注意力全靠它”**

![寻找《注意力就够了》的文章](https://imgapi.imooc.com/671af82208209a5e08000537.jpg)

**全靠注意力机制的AI总结**

![AI概要 注意就是你所需要的](https://imgapi.imooc.com/671af822080cab1708000519.jpg)

目前，它与Google PSE这样的工具配合得很好，你也可以搜索特定的网站，如左边所示。此外，添加连接器也很简单，只需一个PR即可。

## 添加更多应用并自定义搜索体验

使用 Google 搜索结果进行搜索和检索增强生成（RAG）是一个很好的开始，但真正的优势在于将 SWIRL 与各种应用连接起来。这使得可以从工作场所的数据中进行更全面的搜索并直接生成 AI 摘要，从而使信息的发现更快、更有效。

要开始，请访问管理面板并输入你想要连接的应用的bearer令牌（bearer token）。有一个[详细的视频教程](https://www.youtube.com/watch?v=WCYqx0mOXeI)可以引导你完成与OpenSearch集成的步骤，还有关于支持的连接器的文档。这使得配置SWIRL，并最大限度地提高其在连接数据源中的搜索能力变得非常简单。

### 加入我们的 SWIRL 社区吧

[![一起来加入我们的SWIRL社区](https://imgapi.imooc.com/671af823090e687008000323.jpg)](https://imgapi.imooc.com/671af823090e687008000323.jpg)

SWIRL 是一个开源项目，遵循 Apache 2.0 许可证。我们非常欢迎你在 GitHub 上查看 SWIRL 并给它一个 Star 支持，这是支持我们的好方法。

在 GitHub 上给我们一个 ⭐。

要是你有兴趣添加新的网站或app作为可搜索的连接，我们欢迎你的加入。

[来加入我们的Slack吧！](https://join.slack.com/t/swirlmetasearch/shared_invite/zt-2sfwvhwwg-mMn9tcKhAbqXbrV~9~Y1eA)