最近AI搜索技术备受关注，包括Perplexity、秘塔AI、MindSearch、Perplexica、memfree、khoj等等。这些技术在大语言模型的应用中发挥着重要作用。然而，使用大语言模型时，我们可能会遇到无法获取最新信息的局限，导致回答内容不基于最新信息。为了解决这一问题，可以通过LLM+搜索引擎的方式实现。

举例来说，如果直接向一般的大语言模型提问，它可能无法获取最新信息，如下图所示：

相比之下，联网回答的效果如下：

Perplexity

khoj

Kimi

那么，我们如何实现类似的效果呢？接下来我们将介绍如何实现类似的效果，并提供源码GitHub地址：https://github.com/Ming-jiayou/SimpleAISearch。如果你对此感兴趣，就可以继续往下阅读。

实现思路

实现这一效果的本质是LLM+搜索引擎。首先需要能够实现函数调用功能，之前的文章中已有所说明。主要介绍一下实现思路，源码已经开源，感兴趣的话可以自己去看下具体代码。

在插件中添加调用搜索引擎的代码，这里使用的是DuckDuckGo搜索引擎。开始执行时，LLM会判断需要调用这个函数，并且参数是问题：

这个函数如下所示：

搜索引擎会找到相关内容：

让LLM根据获取到的这些信息给出回答：

目前是经过总结之后显示在界面上，也可以修改为不经过总结的。以上就是实现的一个简单思路。

快速体验

通过源码构建

和之前的LLM项目一样，只需appsettings.example.json修改为appsettings.json选择你使用的平台并填入API Key即可。

直接体验

我已经在github上发布了两个版本一个依赖框架，一个不依赖框架：

下载解压之后，在appsettings中填入你的api key即可使用。