danswer是一款支持使用自然语言提问并获得私人来源支持的答案的AI应用。可以连接到Slack、GitHub、Confluence等工具。
下图是笔者本地搭建的用于技术学习的danswer，并在其中导入了廖雪峰的python教程，搜索效果如下：
关键词搜索
这里用的是typesense
更多搜索相关框架介绍：https://xab7u5dx7i4.feishu.cn/wiki/LVtmwcLsviBYkckQc0OcCvtynDf
PS：这也是笔者整理的AI知识库首次放出，目前还在整理阶段，欢迎大家多提意见。
语义搜索
向量数据库drant（数据通过连接器录入后会选进行embedding，写入向量数据库）。
QA框架
常用的生成式大模型，包括openai的chatGPT和其他的常用LLM。采用RAG模式来利用大模型进行内容生成。RAG——使用检索增强生成构建特定行业的大型语言模型
连接器
包括github repo，普通网页、文件、jira以及google Drive等，是获取文本数据的来源。这个和LangChain的Data Loader类似。
LangChain +Streamlit+ Llama ：将对话式人工智能引入您的本地设备
前端
采用next.js
比较全的文档地址
Introduction - Danswer Documentation[1]
Danswer[2] 允许你对内部文件提出自然语言问题，并通过引用和参考文献支持来获取可靠的答案，以便你始终可以信任所获得的回答。你可以连接到一些常见工具，如Slack、GitHub、Confluence等。
查看我们的视频演示[3] !
[4]特点 💃
•由生成式AI模型提供直接问答服务，回答支持引用和源链接。 •使用最新的LLM技术进行智能文档检索（语义搜索/重新排序）。 •通过自定义深度学习模型实现的AI助手，用于解释用户意图。 •用户认证和文档级别的访问管理。 •连接到Slack、GitHub、GoogleDrive、Confluence、本地文件和网络抓取的连接器，更多连接器即将推出。 •可选择使用开源的LLM模型（如Orca、Falcon等）来替代OpenAI GPT。 •管理仪表板用于管理连接器和设置功能，如实时更新获取。 •使用一行Docker Compose（或Kubernetes）部署，可以在任何地方托管Danswer。
即将推出
•聊天/对话支持。 •提供模板以便轻松构建自定义连接器。 •个性化搜索
🌟 贡献
想要做出贡献吗？请查看贡献指南[5]以获取更多详细信息。
本文由山行翻译整理自：https://github.com/danswer-ai/danswer，后续会有更加精彩的内容推出，感兴趣的请点赞、收藏、关注。
References
[1] Introduction - Danswer Documentation: https://docs.danswer.dev/introduction
[2] Danswer: https://www.danswer.ai/
[3] 视频演示: https://www.youtube.com/watch?v=geNzY1nbCnU
[4] : https://github.com/danswer-ai/danswer#features-
[5] 贡献指南: https://github.com/danswer-ai/danswer/blob/main/CONTRIBUTING.md