Shandu：基于 LangChain 的开源研究工具引领搜索 2.0 新时代

Shandu是一款强大的开源AI研究工具，旨在简化知识发现和整合过程。它托管在GitHub上（https://github.com/jolovicdev/shandu），可以作为OpenAI的DeepResearch等专有系统的创新替代方案，利用LangChain和LangGraph来实现多源研究的自动化。这篇文章将简要探讨Shandu的LangChain基础、它在其他基于LangChain的工具中的位置，以及如何展示从传统搜索（Search 1.0）向新的AI驱动答案时代（Search 2.0）的转变。 Shandu 的 LangChain 基础 Shandu 的核心在于 LangChain 框架，它是一套用于开发大语言模型（LLM）支持应用程序的工具集。通过 LangChain 和 LangGraph 的结合，Shandu 能够自动处理整个研究流程，包括查询澄清、数据检索、来源评估和生成结构化的Markdown报告，报告中还包含了完整的引用信息。这意味着用户只需要输入一条简单的命令，如 shandu research "Quantum Computing and Climate Modeling" --depth 3 --output report.md，Shandu 就能在几分钟内生成一份全面的研究报告，而不需要手动筛选和整理信息。 基于 LangChain 的重要工具 除了 Shandu，还有许多其他工具也是基于 LangChain 开发的，这些工具共同组成了一个不断扩大的生态系统： Quivr：一款开源的“第二大脑”工具，利用 LangChain 进行文档处理和RAG（检索增强生成）功能。 LangFlow：为 LangChain 提供了一套可视化界面，方便用户创建和实验不同的 LangChain 组件。 Flowise：专门为构建 LangChain 流提供的一种拖放式UI工具。 Langroid：基于 LangChain 构建的多代理协作框架。 Camel：利用 LangChain 功能实现通信代理功能的框架。 ChatDev：通过多代理协作进行软件开发的框架，使用了 LangChain 技术。 Chainlit：用于构建对话式AI界面的工具，集成了 LangChain。 GPTRouter：一个系统，可根据查询将请求路由到不同的 LLM 端点，利用了 LangChain。 BentoML：虽然不是完全基于 LangChain，但它提供了强大的 LangChain 集成，用于部署 LLM 应用程序。 PrivateGPT：一种基于 LangChain 的文档问答系统，用于文档处理和查询。 Auto-GPT：早期的自主代理框架，集成了 LangChain 组件。 LangChain 的加速器效应 LangChain 通过提供统一的 LLM 编排框架，显著加速了其他技术的发展。其模块化组件，如链（chains）、代理（agents）等，使快速原型设计和迭代成为可能。外部API和数据源的整合进一步增强了功能，而活跃的开源社区则不断推动改进和创新。这种加速器效应使得像 Shandu 这样的工具更加强大和易于使用。 从 Search 1.0 到 Search 2.0 从传统搜索（Search 1.0）到现代AI驱动搜索（Search 2.0）的演变标志着信息获取方式的一次重大变革。在 Search 1.0 时代，用户常常面临赞助链接、SEO 优化的噪音和无关结果，查找答案需要翻阅多个页面，打开多个标签，阅读分散的来源，并手动整合见解，这是一个费时且容易出错的过程。 而 Search 2.0 时代，以 Shandu 为代表的工具彻底改变了这一体验。它们不仅能够快速检索信息，还能自动化地整合和格式化数据，生成便于消费的输出，如带有引文的 Markdown 报告。利用 LLM 和智能抓取技术，Shandu 可以导航动态网页内容，评估来源的可信度，并根据用户需求提供结构化的见解。这种变化使得研究更加民主化，让任何人都能更快速、更轻松地获取高质量的信息。 然而，Search 2.0 工具也面临着一些挑战，如大语言模型的偏见问题、来源可靠性问题和扩展性问题。这些问题需要得到妥善解决，才能充分发挥这些工具的潜力。 行业评价与公司背景 业内专家普遍认为，Shandu 和其他基于 LangChain 的工具代表了搜索引擎技术的未来方向。这些工具通过AI驱动的技术，显著提升了研究和信息获取的效率。Shandu 的开发者 JolovicDev 团队在 GitHub 上积极维护项目，吸引了众多开发者和用户的关注，显示出该工具的强大社区支持和潜在影响。