Perplexity 写代码：探索开源对话式搜索引擎的挑战与机遇

贾扬清与500行代码的开源奇迹

贾扬清，以其卓越的编程能力和创新性思维而闻名，最近凭借仅500行代码开发了一款对话式搜索引擎demo，这一壮举引起了广泛关注。此项目基于LeptonAI框架，并计划开源。令人惊讶的是，该项目在短时间内便登上了Github热榜，成为众多开发者的关注焦点。贾扬清的项目不仅展示了技术的潜力，也引发了关于技术原创性和创新的重要讨论。

Lepton Search与Perplexity的对比

1月25日，贾扬清在推特上展示了他的对话式搜索引擎demo，这一使用Python实现的项目仅用了500行代码。该项目的发布迅速引起了Perplexity公司的注意。Perplexity是一家估值5.2亿美元的公司，其创始人Aravind Srinivas指责贾扬清抄袭其前端代码。然而，Lepton Search以其简洁和速度而受到用户的高度评价。

贾扬清的快速回应与开源策略

面对Perplexity的指责，贾扬清迅速做出回应，并在一个周末内将代码开源。这一举动不仅展示了他的技术自信，也表明了他对开源社区的支持。开源后的代码在短短一天内便登上了Github热榜，获得了4500颗星，并被多个开发者集成到他们的项目中，这进一步证明了其技术的价值。

对话式搜索引擎的技术解析

对话式搜索引擎的实现看似复杂，但贾扬清的500行代码却揭示了其核心技术。代码的基本流程包括：

获取用户输入的查询。
抓取相关的搜索页面。
解析网页文本。
构建提示词并提交给大语言模型。
返回生成的结果给用户。

技术选择与实现

在实现过程中，搜索的来源可以是Bing或Google的API，甚至是自建数据库。大模型的选择则可能是Mistral、Llama或OpenAI的API。通过这些技术的组合，贾扬清展现了如何高效地利用现有资源来实现创新。

RAG技术的应用与思考

贾扬清的项目被认为是RAG（检索增强生成）技术的成功应用。在RAG技术中，检索（R）与生成（G）的关系尤为重要。贾扬清指出，在实现过程中，R的重要性甚至超过了G，这一发现为未来对话式搜索引擎的开发提供了新的视角和思路。

FreshPrompt技术的启示

贾扬清的项目与Perplexity的技术理念有相似之处，这种相似性可能源于Google和OpenAI合作的论文《FreshLLMs: Refreshing Large Language Models with Search Engine Augmentation》。该论文提出的新思路为如何结合实时搜索能力和预训练模型提供了理论基础。

Perplexity的战略应对

尽管Perplexity对贾扬清的项目提出了抄袭指责，但事实上，这一指责反而揭示了对话式搜索引擎的技术门槛并不如想象中高。Perplexity在技术策略上的保留态度，可能是为了掩盖其技术的普适性，而不是其独特性。

Lepton Search的未来发展

Lepton Search在开源后迅速吸引了大量用户的关注，这一现象表明其在用户体验上的优势。贾扬清和团队不断进行功能迭代，增加了多语言支持和社交媒体分享功能，使其成为一个更具吸引力的产品。

API推理服务的竞争

在对话搜索之外，Perplexity和Lepton都在API推理服务领域展开竞争。贾扬清的公司在多个关键指标上表现优异，并在API推理榜单上取得了领先地位，这表明Lepton在这一领域具有强大的竞争力。

结论：开放与创新的力量

贾扬清通过500行代码不仅展示了对话式搜索引擎的技术潜力，也揭示了开放和创新在技术发展中的重要性。尽管面临指责和竞争，但他的项目为行业注入了新的活力，并为其他开发者提供了宝贵的参考。

FAQ

问：贾扬清的500行代码是如何实现对话式搜索引擎的？
- 答：贾扬清通过简单的几个步骤实现了对话式搜索引擎，包括获取用户输入、抓取搜索页面、解析文本、构建提示词并返回结果。
问：Lepton Search与Perplexity的主要区别是什么？
- 答：Lepton Search以简洁和快速的用户体验而著称，而Perplexity则在技术实现上更加复杂，试图通过独特的技术来保持领先地位。
问：RAG技术在对话式搜索引擎中的作用是什么？
- 答：RAG技术通过结合检索和生成的能力，提高了对话式搜索引擎的准确性和实用性。贾扬清强调了检索在这一过程中比生成更为重要。
问：贾扬清的开源策略对项目有什么影响？
- 答：开源策略扩大了项目的影响力，吸引了更多开发者的关注和参与，促进了技术的快速迭代和功能的多样化。
问：Lepton在API推理服务领域的表现如何？
- 答：Lepton在API推理服务领域展示了强大的竞争力，其在多个关键指标上表现优异，表明其在这一领域的领先地位。