1. MindSearch 运行体验

关于 MindSearch 的介绍这里不再赘述，详情可以自行查看 任务文档，关于 MindSearch 的使用，可以看我的 这篇文章。

1.1 环境准备

这里我们使用 Github CodeSpace 和硅基流动提供的免费 InternLM2.5-7B-Chat API 服务来部署 MindSearch。

1.1.1 模版创建

进入 CodeSpace 主界面后，创建一个 blank 模板用于后续实验：

1.1.2 conda 环境创建

在终端运行下面的命令创建一个新的 conda 环境：

conda create -n mindsearch python=3.10 -y
conda init

注意：如果是新建的 codespace，在第一次创建 conda 环境时，需要 conda init，再另启一个终端并 activate 才能激活环境。不过如果你嫌麻烦，也可以直接使用 source activate 命令直接激活。

虚拟环境创建成功后我们拉取一下 MindSearch 的项目代码并安装一下相关依赖：

conda activate mindsearch

cd /workspaces/codespaces-blank
git clone https://github.com/InternLM/MindSearch.git && cd MindSearch && git checkout ae5b0c5

pip install -r requirements.txt

1.2 获取硅基移动 API KEY

进入 硅基移动官网，注册登录完成后找到左侧导航栏的 API 秘钥 选项，点击进入，然后创建一个自己的 API KEY：

1.3 启动 MindSearch

获取到 API KEY 之后回到 CodeSpace，在正式运行前后端之前先在终端设置一下我们的 API KEY 环境变量：

export SILICON_API_KEY=<上面复制的API KEY>

然后执行下面的代码来启动 MindSearch 的后端：

conda activate mindsearch
# 进入你clone的项目目录
cd /workspaces/codespaces-blank/MindSearch
python -m mindsearch.app --lang cn --model_format internlm_silicon --search_engine DuckDuckGoSearch --asy

后端启动命令的参数解释如下：

• –lang：模型的语言，en 为英语，cn 为中文
• –model_format：模型的格式
  • internlm_silicon 为 InternLM2.5-7b-chat 在硅基流动上的API模型
• –search_engine：搜索引擎
  • DuckDuckGoSearch 为 DuckDuckGo 搜索引擎
  • BingSearch 为 Bing 搜索引擎
  • BraveSearch 为 Brave 搜索引擎
  • GoogleSearch 为 Google Serper 搜索引擎
  • TencentSearch 为 Tencent 搜索引擎

后端启动完成后我们执行下面的代码启动前端：

conda activate mindsearch
# 进入你clone的项目目录
cd /workspaces/codespaces-blank/MindSearch
python frontend/mindsearch_gradio.py

前后端都启动后，我们可以看到 CodeSpace 自动为这两个进程做了端口转发：

如果前端启动后没有自动跳转页面的话在可以点击上图的 7882 端口转发地址手动进入前端页面

正常的前端页面长这个样子：

我让 MindSearch 帮我解读 MAE 这篇论文的创新点和模型应用，最终 MindSearch 回复如下：

整体来说回答的还不错~

2. 部署 MindSearch 到 HuggingFace Spaces 上

在之前的课程中，我们尝试了把一些模型部署到 HuggingFace Spaces 上，但是我们的做法比较繁琐，需要先 clone，再修改自己的代码，再 push 上去，还有可能遇到网络问题需要换镜像源。下面我们 MindSearch 的部署将采用一种更简单的方法。

首先我们找到 InternLM 官方部署的 MindSearch Spaces 应用，找到右上角的三个小点：

选择 Duplicate this Space，复制这个项目到自己的 Space 中，在配置页面，硬件选免费的 16G CPU ，然后填写好自己的 SILICON_API_KEY：

配置好后应用就会开始 Building，当应用状态显示绿色的 running 标志时我们就可以使用应用了。我问了一下 MindSearch 前十名的电商网站是哪些，回复如下（看着还不错~）：

3. 部署 MindSearch streamlit 版本到 HuggingFace Spaces 上

我在做这个选做任务的时候 Readme 文件突然更新了，选做任务突然不见了（难绷），不过既然看到了，还是按照群里面同学发的任务截图做了一下。

在上一节中我们的 MindSearch 是使用 Gradio 部署的，这一节我将使用 Streamlit 再部署一遍。

这里我复制了一个新的应用到我的 Space 上，然后修改了一下 app.py 文件，将文件内容替换成我们 CodeSpace 拉取下来的项目中的 MindSearch/frontend/mindsearch_streamlit.py 文件：

然后再修改一下复制下来的 Space 应用的 README 文件，将 metadata 中的 sdk 和 sdk_version 修改如下：

sdk: streamlit
sdk_version: 1.40.2

到这里还没结束，直接使用官方提供的 streamlit 示例代码无法运行我们部署的应用，会提示 Connection Error 和一些其他错误，还需要对代码进行如下修改：

首先是解决网络连接错误的问题，原始代码中默认你的后端是运行在本地的 8002 端口上的，但是我们的后端其实是在 CodeSpace 上运行的，所以需要将 http://localhost:8002 这部分地址修改成我们 CodeSpace 中的后端转发地址，也就是下图中红框的这个地址（/solve 别删了，只需要替换 http://localhost:8002 这一部分）：

然后就是一些变量在使用前没有定义的报错，按照下面的样子修改一下代码即可：

上述步骤全部执行完后，这时问问题应用确实不会报错了，但是也不会有任何回复，就跟卡住了一样，换搜索引擎也没用。这里需要特别注意：在运行后端代码的时候记得将我们的 url 设为公开，这样我们的应用才能正常使用。

还是问同样的问题，前十名的电商网站是哪些，看看应用的回复效果：

MindSearch 给出了详细的分析和思考过程，可以看到整体回复效果还是挺不错的。

这里如果你的 MindSearch 输出一阵子之后报错，可以尝试替换一下搜索引擎，我一开始用的 BingSearch 就出现了这种情况，换成 DuckDuckGoSearch 就好了。

至此，书生大模型实训营第4期进阶岛第六关任务完成~