快速搭建 JDGenie：Docker 部署与 DeepSeek + 博查搜索配置指南

一、JoyAgent-JDGenie

在多智能体（Multi-Agent）的开源探索里，大多数项目只提供 SDK 或框架，开发者需要自己去拼接模型、搜索、任务调度，才能做出一个能用的产品。这样不仅门槛高，还很难快速落地。
JoyAgent-JDGenie 是京东开源的首个开箱即用的端到端多智能体产品，包含前后端、执行引擎和一系列内置智能体（报告生成、代码助手、文件处理等）。简单来说，JDGenie 不是一个“工具箱”，而是一台能直接跑起来的“多智能体机器”。
在这里插入图片描述

更重要的是，JDGenie 保持了高度的可拓展性。开发者只需挂载新的子智能体或工具，就能轻松为它增加新能力。例如：

  • 接入 DeepSeek 模型，带来更强的长上下文理解与生成能力；
  • 配置 博查 Web Search，让智能体能够实时获取外部信息，而不是局限在静态知识。
    通过这种方式，JDGenie 从一个“通用多智能体框架”，升级为一个既能回答问题，又能联网检索、生成多种交付形式（网页、Markdown、PPT）的实用智能体平台。
    也正因如此，JDGenie 特别适合开发者快速上手，并在此基础上做二次开发。
    本篇文章将介绍如何将 DeepSeek 与博查搜索无缝接入，打造一个更智能、更实时的多Agent系统。

二、快速开始 —— docker启动JDGenie

1）克隆仓库

git clone https://github.com/jd-opensource/joyagent-jdgenie.git

2）更新模型配置

1. 更新 application.yml

找到genie后端文件夹下的 genie-backend/src/main/resources/application.yml。
请添加图片描述
手动更新其中的base_url、apikey、model、max_tokens、model_name等配置。
使用DeepSeek时，注意 deepseek-chat 的 max_tokens 为 8192

在这里插入图片描述
在这里插入图片描述
其中，DEEPSEEK_API_KEY可以选择使用环境变量或直接写入项目配置文件，推荐写入环境变量中，直接在启动docker时注入。

2. 更新 .env_template

手动更新 genie-tool/.env_template 中的 OPENAI_API_KEY、OPENAI_BASE_URL、DEFAULT_MODEL、SERPER_SEARCH_API_KEY
使用DeepSeek时: 设置DEEPSEEK_API_KEY、DEEPSEEK_API_BASE，DEFAULT_MODEL 设置为 deepseek/deepseek-chat，所有 ${DEFAULT_MODEL} 也都改成 deepseek/deepseek-chat

在这里插入图片描述

3）编译dockerfile

启动Docker Desktop，在Docker Engine里添加镜像源，并点击应用。添加镜像源可以增加构建成功率。

在这里插入图片描述

"registry-mirrors": [
    "https://2a6bf1988cb6428c877f723ec7530dbc.mirror.swr.myhuaweicloud.com",
    "https://docker.m.daocloud.io",
    "https://hub-mirror.c.163.com",
    "https://mirror.baidubce.com",
    "https://your_preferred_mirror",
    "https://dockerhub.icu",
    "https://docker.registry.cyou",
    "https://docker-cf.registry.cyou",
    "https://dockercf.jsdelivr.fyi",
    "https://docker.jsdelivr.fyi",
    "https://dockertest.jsdelivr.fyi",
    "https://mirror.aliyuncs.com",
    "https://dockerproxy.com",
    "https://mirror.baidubce.com",
    "https://docker.m.daocloud.io",
    "https://docker.nju.edu.cn",
    "https://docker.mirrors.sjtug.sjtu.edu.cn",
    "https://docker.mirrors.ustc.edu.cn",
    "https://mirror.iscas.ac.cn",
    "https://docker.rainbond.cc"
  ]

在控制台输入下面的命令开始构建：

docker build -t genie:latest .

问题1：构建失败

可以参考github-issue分享的修改后的Dockerfile，将其替换拉取下来的本地Dockerfile。原址：https://github.com/jd-opensource/joyagent-jdgenie/issues/247

# 前端构建阶段
FROM docker.m.daocloud.io/library/node:20-alpine AS frontend-builder
WORKDIR /app
RUN npm install -g pnpm
COPY ui/package.json ./
RUN npm config set registry https://registry.npmmirror.com
RUN pnpm install
COPY ui/ .
RUN pnpm build

# 后端构建阶段
FROM docker.m.daocloud.io/library/maven:3.8-openjdk-17 AS backend-builder
WORKDIR /app
COPY genie-backend/pom.xml .
COPY genie-backend/src ./src
COPY genie-backend/build.sh genie-backend/start.sh ./
RUN chmod +x build.sh start.sh
RUN ./build.sh

# Python 环境准备阶段
FROM docker.m.daocloud.io/library/python:3.11 AS python-base
WORKDIR /app

RUN rm /etc/apt/sources.list.d/* && echo 'deb https://mirrors.aliyun.com/debian/ bookworm main contrib non-free non-free-firmware' \
      > /etc/apt/sources.list && \
    echo 'deb https://mirrors.aliyun.com/debian-security bookworm-security main contrib non-free non-free-firmware' \
      >> /etc/apt/sources.list && \
    echo 'deb https://mirrors.aliyun.com/debian/ bookworm-updates main contrib non-free non-free-firmware' \
      >> /etc/apt/sources.list

RUN apt-get clean && \
    apt-get update && \
    apt-get install -y --no-install-recommends netcat-openbsd procps curl && \
    apt-get install -y --no-install-recommends --allow-change-held-packages build-essential && \
    rm -rf /var/lib/apt/lists/*

RUN pip install uv

# 最终运行阶段
FROM docker.m.daocloud.io/library/python:3.11

# 安装系统依赖
RUN rm /etc/apt/sources.list.d/* && echo 'deb https://mirrors.aliyun.com/debian/ bookworm main contrib non-free non-free-firmware' \
      > /etc/apt/sources.list && \
    echo 'deb https://mirrors.aliyun.com/debian-security bookworm-security main contrib non-free non-free-firmware' \
      >> /etc/apt/sources.list && \
    echo 'deb https://mirrors.aliyun.com/debian/ bookworm-updates main contrib non-free non-free-firmware' \
      >> /etc/apt/sources.list

RUN apt-get clean && \
    apt-get update && \
    apt-get install -y --no-install-recommends \
    openjdk-17-jre-headless \
    netcat-openbsd \
    procps \
    curl \
    && rm -rf /var/lib/apt/lists/*

RUN apt-get update && \
    apt-get install -y --no-install-recommends \
    nodejs \
    npm \
    && rm -rf /var/lib/apt/lists/* \
    && npm install -g pnpm


# 设置工作目录
WORKDIR /app

# 复制前端构建产物
COPY --from=frontend-builder /app/dist /app/ui/dist
COPY --from=frontend-builder /app/package.json /app/ui/package.json
COPY --from=frontend-builder /app/node_modules /app/ui/node_modules

# 复制后端构建产物
COPY --from=backend-builder /app/target /app/backend/target
COPY genie-backend/start.sh /app/backend/
RUN chmod +x /app/backend/start.sh

# 复制 Python 工具和依赖
COPY --from=python-base /usr/local/lib/python3.11 /usr/local/lib/python3.11
COPY --from=python-base /usr/local/bin/uv /usr/local/bin/uv

# 复制 genie-client
WORKDIR /app/client
COPY genie-client/pyproject.toml genie-client/uv.lock ./
COPY genie-client/app ./app
COPY genie-client/main.py genie-client/server.py genie-client/start.sh ./
RUN chmod +x start.sh && \
    uv venv .venv && \
    . .venv/bin/activate && \
    export UV_DEFAULT_INDEX="https://pypi.tuna.tsinghua.edu.cn/simple" && uv sync

# 复制 genie-tool
WORKDIR /app/tool
COPY genie-tool/pyproject.toml genie-tool/uv.lock ./
COPY genie-tool/genie_tool ./genie_tool
COPY genie-tool/server.py genie-tool/start.sh genie-tool/.env_template ./

# 创建虚拟环境并安装依赖
RUN chmod +x start.sh && \
    uv venv .venv && \
    . .venv/bin/activate && \
    export UV_DEFAULT_INDEX="https://pypi.tuna.tsinghua.edu.cn/simple" && uv sync && \
    mkdir -p /data/genie-tool && \
    cp .env_template .env && \
    python -m genie_tool.db.db_engine

# 设置数据卷
VOLUME ["/data/genie-tool"]

# 复制统一启动脚本
WORKDIR /app
COPY start_genie.sh .
RUN chmod +x start_genie.sh

EXPOSE 3000 8080 1601

# 健康检查
HEALTHCHECK --interval=30s --timeout=10s --start-period=5s --retries=3 \
    CMD curl -f http://localhost:3000 || exit 1

# 启动所有服务
CMD ["./start_genie.sh"]

最终输出Building FINISHED即为构建成功。
在这里插入图片描述

问题2：=> ERROR [backend-builder 7/7] RUN ./build.sh

在Windows系统内，可能因为CRLF行尾导致构建失败，此时可以更新 Dockerfile 与 build.sh 以规避 Windows CRLF 行结尾导致的 /bin/bash^M 错误并让构建直接成功。
修改后的Dockerfile：

# 后端构建阶段
FROM docker.m.daocloud.io/library/maven:3.8-openjdk-17 AS backend-builder
WORKDIR /app
COPY genie-backend/pom.xml .
COPY genie-backend/src ./src
COPY genie-backend/build.sh genie-backend/start.sh ./
# 修改前代码：
# RUN chmod +x build.sh start.sh
# RUN ./build.sh
# 修改后代码：
# 处理可能的 Windows CRLF 行尾并执行构建
RUN sed -i 's/\r$//' build.sh start.sh \
  && chmod +x build.sh start.sh \
  && ./build.sh

修改后的build.sh：

# build.sh
#!/usr/bin/env bash
set -euo pipefail

# 需安装 jdk17 (容器内基础镜像已提供 openjdk-17)
# 需安装 maven3 (基础镜像 maven:3.8-openjdk-17 已包含)

# 生成临时 settings（使用阿里云镜像加速）
cat > aliyun-settings.xml <<'EOF'
<settings>
  <mirrors>
    <mirror>
      <id>aliyun</id>
      <url>https://maven.aliyun.com/repository/public</url>
      <mirrorOf>*</mirrorOf>
    </mirror>
  </mirrors>
</settings>
EOF

echo "[build.sh] Using mirror settings, start maven build..."
mvn -B -DskipTests -s aliyun-settings.xml clean package
echo "[build.sh] Maven build finished."

问题3：exec ./start_genie.sh: no such file or directory

在这里插入图片描述

为修复容器启动找不到 start_genie.sh 的问题，需要修改 Dockerfile：安装 bash 并对 start_genie.sh 做行尾转换。

# 复制统一启动脚本
WORKDIR /app
COPY start_genie.sh .
# 修改前代码：
# RUN chmod +x start_genie.sh
# 修改后代码
# 统一行尾并赋权；再递归处理所有脚本，避免 CRLF 导致的隐藏错误
RUN sed -i 's/\r$//' start_genie.sh && chmod +x start_genie.sh \
  && find /app -maxdepth 6 -type f -name '*.sh' -exec sed -i 's/\r$//' {} + \
  && find /app -maxdepth 6 -type f -name '*.sh' -exec chmod +x {} + \
  && bash -c 'echo "[debug] bash version: $(bash --version | head -1)"'

参考csdn：https://blog.csdn.net/m0_62128476/article/details/137530737

问题4： 无法识别.env_template内的URL等参数

将为确保 .env 中 URL 被正确去除 CRLF 并在新 exec 会话可见，修改 Dockerfile（清理 .env 行尾）与 start_genie.sh（把全部 .env 变量写入 /etc/environment）。
在Dockerfile中添加一行：

sed -i 's/\r$//' .env_template .env && \

在这里插入图片描述
修改start_genie.sh

#!/bin/bash

# 添加调试信息
echo "当前工作目录: $(pwd)"
echo "目录列表:"
ls -la

# 开始启动前端服务
echo "尝试进入ui目录..."
if [ -d "ui" ]; then
    cd ui
    echo "当前目录: $(pwd)"
    echo "ui目录内容:"
    ls -la
    # UI目录没有start.sh，使用npm运行预览服务器
    if [ -f "package.json" ]; then
        echo "启动UI预览服务器"
        echo "修改为监听所有接口(0.0.0.0)并使用端口3000"
        # 使用--host和--port参数明确指定监听地址和端口
        pnpm preview --host 0.0.0.0 --port 3000 &
        # 等待服务启动
        sleep 3
        # 检查服务是否正在监听（使用更通用的方法，不依赖netstat）
        echo "检查服务监听状态:"
        if [ -n "$(ps aux | grep 'vite preview' | grep -v grep)" ]; then
            echo "Vite预览服务器已启动"
        else
            echo "警告: Vite预览服务器可能未正确启动"
        fi
    else
        echo "错误: ui/package.json文件不存在"
    fi
    cd ..
else
    echo "错误: ui目录不存在"
fi

# 开始启动后端服务
echo "尝试进入backend目录..."
if [ -d "backend" ]; then
    cd backend
    echo "当前目录: $(pwd)"
    echo "backend目录内容:"
    ls -la
    if [ -f "start.sh" ]; then
        echo "执行backend/start.sh"
        sh start.sh
    else
        echo "错误: backend/start.sh文件不存在，尝试直接启动jar文件"
        if [ -f "app.jar" ]; then
            echo "启动后端应用"
            java -jar app.jar &
        else
            echo "错误: backend/app.jar文件不存在"
        fi
    fi
    cd ..
else
    echo "错误: backend目录不存在"
fi

# 开始启动工具服务
echo "尝试进入tool目录..."
if [ -d "tool" ]; then
    cd tool
    echo "当前目录: $(pwd)"
    echo "tool目录内容:"
    ls -la
    
    # 处理环境变量
    echo "处理环境变量..."
    if [ -f ".env_template" ] && [ ! -f ".env" ]; then
        cp .env_template .env
        echo "已复制.env_template到.env"
    fi
    
        if [ -f ".env" ]; then
                echo "更新.env文件并导出环境变量..."

                # 如果外部提前通过 -e 传入，则覆盖 .env 中对应行
                update_env_var() {
                    local key="$1" val="$2";
                    if [ -n "$val" ]; then
                         if grep -q "^${key}=" .env; then
                             sed -i "s|^${key}=.*|${key}=${val}|" .env
                         else
                             echo "${key}=${val}" >> .env
                         fi
                    fi
                }

                update_env_var OPENAI_API_KEY "$OPENAI_API_KEY"
                update_env_var OPENAI_BASE_URL "$OPENAI_BASE_URL"
                update_env_var DEEPSEEK_API_KEY "$DEEPSEEK_API_KEY"
                update_env_var DEEPSEEK_API_BASE "$DEEPSEEK_API_BASE"
                update_env_var BOCHA_WEB_SEARCH_URL "$BOCHA_WEB_SEARCH_URL"
                update_env_var BOCHA_API_KEY "$BOCHA_API_KEY"

                echo "从.env文件导出环境变量..."
                # 读取键=值形式，忽略注释与空行，避免 xargs 在值含空格时截断
                while IFS='=' read -r k v; do
                    if [ -n "$k" ] && [ "${k#'#'}" = "$k" ]; then
                        export "$k"="${v}"
                    fi
                done < <(grep -v '^#' .env | sed '/^$/d')

                # 写入 /etc/environment（避免重复累积同一键：先删除再追加）
                persist_env_var() {
                    local key="$1" val="${!1}";
                    if [ -n "$val" ]; then
                        sed -i "/^${key}=*/d" /etc/environment 2>/dev/null || true
                        echo "${key}=${val}" >> /etc/environment
                    fi
                }
                persist_env_var OPENAI_API_KEY
                persist_env_var OPENAI_BASE_URL
                persist_env_var OPENAI_API_BASE
                persist_env_var DEEPSEEK_API_KEY
                persist_env_var DEEPSEEK_API_BASE
                persist_env_var BOCHA_WEB_SEARCH_URL
                persist_env_var BOCHA_API_KEY

                echo "环境变量已导出，示例: OPENAI_API_KEY=${OPENAI_API_KEY:0:4}*** BOCHA_WEB_SEARCH_URL=$BOCHA_WEB_SEARCH_URL"
                echo "Bocha Key 长度: ${#BOCHA_API_KEY}"
        else
                echo "警告: .env文件不存在，无法导出环境变量"
        fi
    
    # 初始化数据库
    echo "初始化数据库..."
    if [ -d ".venv" ]; then
        . .venv/bin/activate
        echo "执行数据库初始化..."
        python -m genie_tool.db.db_engine
        echo "数据库初始化完成"
    else
        echo "错误: 虚拟环境不存在，无法初始化数据库"
    fi
    
    if [ -f "start.sh" ]; then
        echo "执行tool/start.sh"
        sh start.sh &
    echo "[调试] 运行期可见: BOCHA_WEB_SEARCH_URL=$BOCHA_WEB_SEARCH_URL BOCHA_API_KEY_LEN=${#BOCHA_API_KEY}"
    else
        echo "错误: tool/start.sh文件不存在"
    fi
    cd ..
else
    echo "错误: tool目录不存在"
fi

# 开始启动MCP服务
echo "尝试进入client目录..."
if [ -d "client" ]; then
    cd client
    echo "当前目录: $(pwd)"
    echo "client目录内容:"
    ls -la
    if [ -f "start.sh" ]; then
        echo "执行client/start.sh"
        sh start.sh &
    else
        echo "错误: client/start.sh文件不存在"
    fi
    cd ..
else
    echo "错误: client目录不存在"
fi

# 保持容器运行
echo "所有服务已启动，保持容器运行..."
tail -f /dev/null

其他问题

如有其他构建问题，可以参考官方issues内的相关讨论。
https://github.com/jd-opensource/joyagent-jdgenie/issues

4）启动dockerfile

若容器名被占用，需要先删除旧容器，再重新启动：

docker ps -a --filter "name=genie-app"
docker rm -f genie-app
docker run -d -p 3000:3000 -p 8080:8080 -p 1601:1601 --name genie-app genie:latest

在这里插入图片描述
如果需要注入DEEPSEEK_API_KEY等参数，可以使用下面的启动命令：

docker run -d --name genie-app `
  -e DEEPSEEK_API_KEY=$Env:DEEPSEEK_API_KEY `
  -p 3000:3000 -p 8080:8080 -p 1601:1601 `
  genie:latest

5）访问Genie

在浏览器输入 localhost:3000 访问 Genie
在这里插入图片描述
使用示例：
在这里插入图片描述

三、在 deepsearch 内配置博查搜索引擎

博查AI Web Search API 是一个强大的全网搜索引擎接口，专为开发者和AI系统设计。在下面这篇博客里，有该API和API KEY获取的详细介绍。
博查AI Web Search API 使用指南：全网搜索网页与图片信息

就在现在，博查AI开放平台全新上线资源包计费方式，最低3.6元/千次！
所有用户均享受以下权益：

  1. 领取1个免费1000次调用资源包；
  2. 口令兑换1个免费1000次调用资源包（后续平台还将持续发放新口令，敬请关注，公众号：博查AI）；
  3. 领取10个3.6元/千次调用资源包；
  4. DeepResearch项目免费领取最高100万次调用次数。

领取链接：博查AI开放平台。
兑换方式：前往开放平台首页，点击“兑换”，输入口令 博查搜索，点击确认即可。
在这里插入图片描述

1）配置博查搜索API

在.env_template内设置 BOCHA_WEB_SEARCH_URL ，此处我们使用博查官方的Web Search API
BOCHA_API_KEY 同样可以使用docker启动时注入或直接写入配置文件的方式。
在这里插入图片描述
搜索引擎原始默认值为serp，我们在搜索引擎列表内添加上bocha
在这里插入图片描述

2）更新 search_engine.py

在 search_engine.py 中配置博查搜索类 BochaSearch.

class BochaSearch(SearchBase):
    """博查搜索引擎实现

    环境变量：
      BOCHA_WEB_SEARCH_URL  e.g. https://api.bochaai.com/v1/web-search
      BOCHA_API_KEY         以 Bearer 方式放入 Authorization 头
    支持参数：count（复用 SEARCH_COUNT），始终附带 summary=true 方便聚合。
    """

    def __init__(self):
        super().__init__()
        self._engine = "bocha_web_search"
        self._url = os.getenv("BOCHA_WEB_SEARCH_URL")
        raw_key = os.getenv("BOCHA_API_KEY")
        self._api_key = self._sanitize(raw_key)
        if raw_key and raw_key != self._api_key:
            logger.debug("BochaSearch API Key 含有换行已清理")
        self.headers = {
            "Content-Type": "application/json",
        }
        if self._api_key:
            self.headers["Authorization"] = f"Bearer {self._api_key}"

    def construct_body(self, query: str, request_id: str = None):
        return {
            "query": query,
            "summary": True,          # 要求带摘要，利于下游 LLM 使用
            "count": min(max(self._count, 1), 10),  # 接口限制 1-10
            # 可扩展 freshness: "noLimit" | "oneDay" | "oneWeek" | "oneMonth" | "oneYear"
        }

    async def search(self, query: str, request_id: str = None, *args, **kwargs) -> List[Doc]:
        if not self._url or not self._api_key:
            logger.warning("BochaSearch 缺少 BOCHA_WEB_SEARCH_URL 或 BOCHA_API_KEY，返回空结果。")
            return []
        body = self.construct_body(query, request_id)
        try:
            async with aiohttp.ClientSession() as session:
                async with session.post(self._url, json=body, headers=self.headers, timeout=self._timeout) as response:
                    text = await response.text()
                    if response.status != 200:
                        logger.warning(f"BochaSearch 接口非 200: status={response.status} body={text[:300]}")
                        return []
                    result = json.loads(text)
        except Exception as e:
            logger.warning(f"BochaSearch 调用异常: {e}")
            return []

        data = (result or {}).get("data", {})
        web_pages = data.get("webPages", {})
        value_list = web_pages.get("value", [])
        docs = []
        for item in value_list:
            title = item.get("name", "")
            url = item.get("url", "")
            snippet = item.get("snippet") or ""
            summary = item.get("summary") or ""
            content = summary or snippet  # 优先摘要
            docs.append(
                Doc(
                    doc_type="web_page",
                    content=content,
                    title=title,
                    link=url,
                    data={"search_engine": self._engine},
                )
            )
        logger.info(f"BochaSearch 返回 {len(docs)} 条结果 query={query}")
        return docs

可以在搜索基类内添加API KEY清理方法，防止换行符导致读取KEY异常。
在这里插入图片描述
接着，在 MixSearch 方法中添加博查搜索：
在这里插入图片描述

3）更新 deepsearch.py

在deepsearch.py内搜索引擎初始化处，加入博查搜索引擎

class DeepSearch:
    """深度搜索工具"""

    def __init__(self, engines: List[str] = []):
        if not engines:
            engines = os.getenv("USE_SEARCH_ENGINE", "bing").split(",")
        # 清洗引擎名称，避免携带 \r 或多余空格导致匹配失败
        engines = [e.replace("\r", "").replace("\n", "").strip().lower() for e in engines if e and e.strip()]
        use_bing = "bing" in engines
        use_jina = "jina" in engines
        use_sogou = "sogou" in engines
        use_serp = "serp" in engines
        use_bocha = "bocha" in engines or "bocha_web_search" in engines
        logger.info(
            f"DeepSearch 初始化 引擎配置 engines={engines} -> bing={use_bing} jina={use_jina} sogou={use_sogou} serp={use_serp} bocha={use_bocha}"
        )
        self._search_single_query = partial(
            MixSearch().search_and_dedup,
            use_bing=use_bing,
            use_jina=use_jina,
            use_sogou=use_sogou,
            use_serp=use_serp,
            use_bocha=use_bocha,
        )
        self.searched_queries = []
        self.current_docs = []

4）重新编译并启动Genie

重新编译dockerfile

docker build -t genie:latest .

若容器名被占用，需要先删除旧容器：

docker ps -a --filter "name=genie-app"
docker rm -f genie-app

携带API KEY等参数重新启动容器：

docker run -d --name genie-app `
  -e DEEPSEEK_API_KEY=$Env:DEEPSEEK_API_KEY `
  -e BOCHA_API_KEY=$Env:BOCHA_API_KEY `
  -e USE_SEARCH_ENGINE=bocha `
  -p 3000:3000 -p 8080:8080 -p 1601:1601 `
  genie:latest

5）搜索示例：询问今日天气

配置博查搜索引擎前：

在这里插入图片描述
仅配置deepseek未配置搜索组件时，无法通过deepsearch得到当前实时天气。

下面对比一下配置 Bocha-Web-Search博查搜索引擎 之后的搜索和回答效果：
Agent成功初始化了博查搜索引擎并进行了调用，查看控制台可以发现，BochaSearch返回了其检索到的相关网页：

在这里插入图片描述
搜索完成后，大模型将进一步根据搜索结果生成Web输出文件：

在这里插入图片描述

最终输出结果包含精简总结和详细的HTML、Markdown文件。

在这里插入图片描述

工作空间内包含了本次提问涉及的网页搜索结果和输出文件：
1. 搜索结果：
在这里插入图片描述

点击可查看检索到的网页详情：

在这里插入图片描述 在这里插入图片描述

2. 输出文件：
输出文件为markdown和html两种，可以在输出结果文件内查看，文件提供了下载和复制两种保存方式，点击文件内的角标还可以快捷跳转到博查搜索到的相关参考网页。

在这里插入图片描述

# docker # 人工智能 # python # 开源软件 # github # 语言模型
Logo
2048 AI社区

有“AI”的1024 = 2048，欢迎大家加入2048 AI社区

更多推荐

zmq源码分析之io_thread_t

是 ZeroMQ 异步架构的调度中心和运行时环境。它通过的机制，将外部的命令请求、内部的网络 I/O 事件和定时事件全部转化为统一的事件循环进行处理。它就像一个高效的工厂流水线调度员Mailbox是接收生产订单（命令）的窗口。Poller是监控所有机器（FD）状态的系统。in_event()是调度员处理订单、分配任务的核心逻辑。其他对象（Socket, Engine）则是流水线上的机器，在调度员的

avatar 2048 AI社区
cover

小说阅读器微信端信息管理系统源码-SpringBoot后端+微信小程序前端+MySQL【可直接运行】

avatar 2048 AI社区
cover

Java Web 微信南昌旅行指南设计与实现系统源码-SpringBoot2+微信小程序+MyBatis+MySQL8【含文档】

avatar 2048 AI社区