DiscovAI Search — 开源 AI 搜索引擎，用于工具、文档和自定义数据

Source: Dev.to

概览

DiscovAI Search 是一个开源的、由 AI 驱动的搜索引擎，旨在使用现代向量搜索结合 LLM 推理，对 AI 工具和自定义知识库进行索引、理解和搜索。

关键特性

• 语义搜索（基于嵌入）
• LLM 驱动的答案生成
• Redis 快速缓存
• 使用 Supabase（PostgreSQL + pgvector） 的结构化存储
• 基于 Next.js 的现代前端
• 完全开源

适用场景

• 生产就绪的 AI 搜索层
• 为 AI 与 Web 开发者提供的教学参考项目

架构图

User Query
   ↓
Next.js API Route
   ↓
Embedding (OpenAI)
   ↓
Vector Search (Supabase / pgvector)
   ↓
Redis Cache (optional)
   ↓
LLM‑generated response
   ↓
UI

设计优势

• 可扩展
• 模块化
• 易于通过新数据源扩展

技术栈

前置条件

• OpenAI API 密钥
• Supabase 账户
• Redis 实例（本地或云端）

安装

git clone https://github.com/DiscovAI/DiscovAI-search.git
cd DiscovAI-search

# Using npm
npm install

# Or using yarn
yarn install

环境变量

创建 .env.local 文件并填入以下键值：

OPENAI_API_KEY=your_openai_key

NEXT_PUBLIC_SUPABASE_URL=your_supabase_url
NEXT_PUBLIC_SUPABASE_ANON_KEY=your_supabase_anon_key

SUPABASE_SERVICE_ROLE_KEY=your_service_role_key

REDIS_URL=redis://localhost:6379

Supabase 设置

1. 启用 pgvector 扩展。
2. 为 documents 和 embeddings 创建表，在 vector 列中存储向量。

运行开发服务器

npm run dev   # or `yarn dev`

在浏览器中打开 http://localhost:3000 即可看到 DiscovAI Search 界面。

索引数据

DiscovAI Search 能够索引：

• AI 工具
• 文档
• 文章
• 内部知识库

典型流程：

1. 将文档添加到 Supabase。
2. 通过 OpenAI（或其他模型）生成嵌入。
3. 将向量存入 pgvector 列。
4. 通过 UI 发起查询。

扩展项目

• 添加自己的数据集。
• 将 OpenAI 嵌入替换为开源模型。
• 连接多个向量索引。
• 添加身份验证。
• 将前端部署到 Vercel，后端使用 Supabase（数据库）和 Upstash Redis（缓存）。

为什么 DiscovAI Search 很重要

• 展示了真实场景下的 AI 搜索架构。
• 正确地将 LLM 与向量数据库结合。
• 易于 fork、定制和部署。
• 同时兼具产品和参考实现的价值。

潜在应用

• AI 驱动的搜索引擎
• 内部知识助理
• 工具发现平台

深入探索

如果你对以下方向感兴趣：

• 语义搜索
• 向量数据库
• LLM 驱动的用户体验

…DiscovAI Search 是一个坚实的起点。

仓库

https://github.com/DiscovAI/DiscovAI-search/