IntelliSearch

IntelliSearch-v3.0 开发者使用指南

IntelliSearch-v3.0 全栈框架开源，并提供 命令行类 Claude Code 使用模式和网页端使用模式两种方式。

环境准备

# clone the project
git clone git@github.com:SJTU-SAI-GeekCenter/IntelliSearch.git

# install dependency
# Python 3.13.5 and uv is recommended
uv sync
source .venv/bin/activate

我们使用 uv 来管理 Python 版本和环境依赖问题。

config/config.yaml 文件配置

重构后的 IntelliSearch-v3.1 采用 config/config.yaml 作为统一的配置文件，该文件可通过如下脚本生成：

# 在当前工作目录下运行：
# 可以检查当前 uv 环境是否正确被激活

bash setup.sh

API 密钥配置

[!IMPORTANT] 下文的配置教程涉及多个 MCP Server，都是可选择的配置。可以在配置文件 config/config.yaml 的 server_choice 字段自主选择加载 MCP Server 的配置。

• OPENAI_API_KEY: 支持 OPENAI-SDK 格式模型调用服务密钥
• BASE_URL: 支持 OPENAI-SDK 格式模型调用服务的调用端口
• ZHIPU_API_KEY: 中文高质量网页搜索服务密钥
• SERPER_API_KEY: 谷歌系列的高质量信息源搜索
• MEMOS_API_KEY: MemOS 外部智能体知识库检索和记忆服务
• GITHUB_TOKEN: Github 代码搜索，个人鉴权凭证
• AMAP_MAPS_API_KEY: 高德地图 API Key，用于地理信息查询搜索
• BILIBILI_SESSDATA, BILIBILI_BILI_JCT, BILIBILI_BUVID3: Bilibili 鉴权相关凭证
• DOUBAN_COOKIE: Douban 鉴权相关凭证

工具后端服务启动

部分 MCP 服务器需要后端服务支持，在使用前需要启动以下服务：

• backend/tool_backend/rag_service.py (本地 RAG 搜索服务) 部署在本地 39255 端口
• backend/tool_backend/ipython_service.py (IPython 代码执行服务) 部署在本地 39256 端口

# Start all services
python backend/tool_backend/run.py

# Stop all services
python backend/tool_backend/run.py --stop

# Check service status
python backend/tool_backend/run.py --status

# Restart services
python backend/tool_backend/run.py --stop && python backend/tool_backend/run.py

上述文件会自动启动服务到 tmux 中。

Embedding 模型下载 (Optional)

本仓库使用 RAG 系统来针对自建高质量数据库进行检索，并且分离为 FastAPI 后端服务。因此，在本地部署之前，需要在 ./models 文件夹下部署 models/all-MiniLM-L6-v2 文件夹。下载模型可以通过 HuggingFace 或者 ModelScope 进行下载，具体的下载命令详见官网。

文件路径也可在 config/config.yaml 中修改。

命令行使用

模仿 Claude Code 风格界面设计，在命令行窗口实现简单高效并且可视化的搜索智能体。

python cli.py

Web 使用

[!IMPORTANT] 该部分正在重构中，暂时不可用。

IntelliSearch 支持本地 Web 部署，使用 FastAPI 作为后端提供标准化的流式输出接口：

# 终端 1：启动 FastAPI 后端服务（默认端口 8001）
python backend/main_fastapi.py

# 终端 2：启动 Flask 前端服务（默认端口 50001）
python frontend/app.py