自己动手实现一个AI搜索引擎！_python ai搜索

---------------------如果这篇文章对你有帮助，请点赞收藏或者评论，非常感谢❤---------------------

在这个时代，智能代理（Intelligent Agents）正变得越来越受欢迎，它们能够帮助人们自动化处理各种复杂的任务，从而节省时间和精力。本教程旨在引导你如何使用 Python 创建一个简单的智能代理，它能利用 OpenAI 和 Google Search API 执行信息搜索任务。简单来说就是，你将运行该程序，告诉模型你想要获得的信息，之后模型将自动生成搜索词进行搜索，获取Google搜索的返回结果后，大语言模型进行总结后输出。下面是程序运行结果的一次展示：

准备开发环境

在开始之前，请确保你的电脑上已经安装了 Python 3。你还需要安装几个必要的库，包括 requests 用于网络请求，以及 openai 库来调用 OpenAI 的 API。可以通过下面的命令来安装这些库：

pip install requests openai
1

接下来，你需要从 OpenAI（某宝购买或者其他提供大模型api的大厂比如文心一言） 和 Google 获取 API 密钥。

图片说明：Google Search开发者平台，有Google账号就可以登录获得一个api key（我打码的地方就是）

智能代理的实现

在本教程中，我们将创建一个 Agent 类，它能够处理用户输入，并利用 OpenAI 生成搜索查询。然后，通过 Google Search API 获取搜索结果，并将这些信息以摘要形式呈现给用户。

Tools 类

首先，我们定义一个 Tools 类，该类负责通过 Google Search API 执行搜索操作。此外，我们在其中定义了一个 _tools 方法，用于初始化工具及其参数。
当调用tool类的google_search函数的时候，谷歌的搜索结果将以文本（str）的方式返回。

import requests
import json

class Tools:
    def __init__(self, google_search_api_key) -> None:
        self.toolConfig = self._tools()
        self.google_search_api_key = google_search_api_key

    # 定义工具配置
    def _tools(self):
        tools = [
            {
                'name_for_human': '谷歌搜索',
                'name_for_model': 'google_search',
                'description_for_model': '执行谷歌搜索并返回结果。',
                'parameters': [
                    {
                        'name': 'search_query',
                        'description': '搜索关键词或短语',
                        'required': True,
                        'schema': {'type': 'string'},
                    }
                ],
            }
        ]
        return tools
    
    # 进行谷歌搜索
    def google_search(self, search_query: str):
        url = "https://google.serper.dev/search"
        payload = json.dumps({
          "q": search_query,
          "hl": "zh-cn",
          "num": 5
        })
        headers = {
          'X-API-KEY': self.google_search_api_key,
          'Content-Type': 'application/json'
        }

        response = requests.request("POST", url, headers=headers, data=payload)
        return response.text

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43

Agent 类

Agent 类是智能代理的核心，它负责整合 OpenAI 和 Tools 类的功能。首先，它使用 OpenAI 生成基于用户输入的搜索查询。然后，调用 Tools 类执行搜索并获取结果。最后，再次利用 OpenAI 来摘要化搜索结果。

import openai
from openai import OpenAI

class Agent:
    def __init__(self, openai_api_key: str, google_search_api_key: str) -> None:
        self.openai_api_key = openai_api_key
        self.google_search_api_key = google_search_api_key
        self.client = OpenAI(api_key=self.openai_api_key)
        self.tools = Tools(google_search_api_key=self.google_search_api_key)
    
    def generate_search_queries(self, input_text: str) -> list:
        messages = [{"role": "user", "content": input_text},
                    {"role": "system", "content": "First, Generate 3 search queries from this text. 不用编号，并用英文逗号分隔."}]
        response = self.client.chat.completions.create(
            model="gpt-3.5-turbo",
            messages=messages,
            max_tokens=50,
            n=1,
            temperature=0.7,
        )
        queries = response.choices[0].message.content.split(',')
        return queries
   
    def summarize_search_results(self, search_results: list) -> str:
        print(f'Summaring search results...')
        messages = [
            {"role": "system", "content": "Summarize these search results in Chinese. 并从中提取有价值的资讯信息。"},
            {"role": "user", "content": search_results}
        ]
        response = self.client.chat.completions.create(
            model="gpt-3.5-turbo",  # 或其他可用模型
            messages=messages,
            n=1,
            stop=None,
            temperature=0.7,
        )
        summary = response.choices[0].message.content
        return summary

    
    def process_input(self, text: str):
        queries = self.generate_search_queries(text)	# 模型会自动根据要求生成几个搜索词
        search_results = ''
        for query in queries:
            result = self.tools.google_search(query.strip())	# Google Search返回搜索结果
            search_results += result
        
        # 摘要化搜索结果
        summary = self.summarize_search_results(search_results)   # 摘要搜索结果
        return summary
    ```

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52

使用示例

下面是如何使用这个智能代理的例子：

openai_api_key = "你的OpenAI API密钥"
google_search_api_key = "你的Google Search API密钥"
agent = Agent(openai_api_key=openai_api_key, google_search_api_key=google_search_api_key)

# 不断循环对话
while True:
    input_ = input("请输入您的问题：")
    response = agent.process_input(input_)
    print(response)
1
2
3
4
5
6
7
8
9

请替换代码中的 “你的OpenAI API密钥” 和 “你的Google Search API密钥” 为你自己的 API 密钥。

写在最后

在使用 API 密钥时，请确保不要公开你的密钥，避免不必要的安全风险。

虽然这个智能代理相对简单，但它展示了如何结合多个 API 来创建有用的自动化工具。你可以在此基础上扩展更多功能，例如支持更多语言的搜索、处理更复杂的查询等。

通过实践这个项目，你不仅能够学习如何使用 Python 和各种 API，还能够深入理解智能代理的工作原理及其在现实世界中的应用。希望这个教程能够为你的编程旅程提供帮助，激发你进一步探索和创新的兴趣。

这篇文章参考了公众号文章“动手做一个最小Agent——TinyAgent！”，感谢他的无私贡献。另外推荐您查看由Lilian Weng发布的文章“LLM Powered Autonomous Agents”，文章（几乎）第一次总结了基于LLM开发的自动Agent的重要组件及其应用场景。

如果这篇文章对你有帮助，也请点赞收藏或者评论，非常感谢❤