概述

MindSearch是一个基于大型语言模型（LLM）的多智能体网页搜索引擎框架，类似于Perplexity.ai Pro和SearchGPT。它旨在通过集成多种搜索引擎和提供优化的用户界面，为用户提供更深度和广度的知识搜索体验。

该项目主要解决以下问题

1. 知识获取深度与广度：通过浏览大量网页来回答用户的问题，提供全面的信息。
2. 结果透明度与可信度：提供详细的解决路径，允许用户查看所有相关细节，提高最终结果的可信度。
3. 多样的用户界面：提供包括React、Gradio、Streamlit和终端在内的多种接口，方便用户选择适合自己的操作方式。

解决方案

MindSearch框架通过以下步骤解决上述问题：

1. 问答功能：用户可以提出任何问题，MindSearch会利用网页知识来回答。
2. 知识探索：通过爬取上百个网页来获取回答所需的深层次和广泛信息。
3. 动态图构建：将用户查询分解为原子子问题，并基于网页搜索结果逐步扩展图结构。
4. 多种前端界面支持：用户可以选择使用React、Gradio、Streamlit及终端等不同前端界面。

实验与结果

文章中对MindSearch与其他AI搜索引擎（如ChatGPT-Web和Perplexity.ai Pro）进行了对比实验，比较了其深度、广度和事实性等维度的响应能力。结果显示，MindSearch在许多方面优于现有的AI搜索引擎。

值得改进的点

• 模型多样性优化：尽管InternLM2.5系列模型在MindSearch框架内表现优异，但其他开源模型的适配和优化尚未详细进行。
• 搜索引擎集成：目前支持的搜索引擎包括DuckDuckGo、Bing等，但可以进一步集成更多种类的搜索引擎来丰富数据源。
• 用户界面改进：虽然提供了多种前端界面，但不同界面间的用户体验一致性和优化仍有提升空间。

MindSearch在解决现有AI搜索引擎在知识获取深度、广度和透明度方面的问题上展现了较强的优势，但在模型多样性和具体实现上的优化还有待进一步探索。