Swirl：AI驱动的开源多源搜索引擎

我们需要具有 AI 的搜索引擎

上周我在工作中遇到了一个奇怪的问题。业务主管想知道：开发人员做过多少个 Jira，他们提交了哪些 commits 和代码。

这听起来很奇怪。但这个搜索过程让我发现了一个普遍的问题。让我从这个故事开始。

假如你想知道在过去两周内自己处理过多少张工单，以及每张工单对应的代码和 commits 数量。这是检查自己生产效率的一个简单方式。你会怎么做呢？步骤如下：

1. 进入你的工单系统（Jira、YouTrack、Trello 等），按用户名搜索。
2. 把搜索范围缩小到过去两周。
3. 进入 GitHub，搜索你之前两周的 commits。
4. 手动交叉检查哪个 commit 对应哪个 Jira。

哇，你已经花费了 120 分钟的时间在两个不同的平台中搜索。仅仅是为了获得一些生产效率指标。最后，你得到的是一些链接。如果时间就是金钱，那么整个过程就是这样的浪费：

你想要的是答案，而不是网页、Jira 或 GitHub commits 的链接。那么，如何解决这个问题呢？我们已经拥有所有网站中的搜索提供者。我们有大型语言模型，ChatGPT 推出了企业版。有没有办法把两者结合起来？

开源搜索引擎遇上 AI - Swirl 搜索 🌌

我最近发现了这个开源搜索引擎——Swirl Search。它完全可以做我之前想做的事情。搜索多个平台，然后通过 ChatGPT（或任何 LLM）生成我想要的数据。

它是一个开源搜索引擎，结合了许多数据源，并通过其 UI 返回单个答案。

现在，当你取出这个输出结果并将其发送到任何大型语言模型（比如 ChatGPT 的 API）时，你会在几秒钟内得到你想要的答案，而不是几分钟。所以，LLMs 通过 Swirl 与多个数据源相结合，你就能得到你想要的。

Swirl 成为了搜索栏的搜索栏 😂。你可以说它是一个搜索栏来统治它们所有。它基本上同时搜索所有内容。最好的部分是它是开源的，用 Python 编写，不需要重新索引。这意味着不需要额外的数据库。我认为这个想法真是天才之举，是我们需要的东西。随着数据和数据库的不断增长。

那么，让我们深入了解 Swirl 的情况吧。

什么是 Swirl 搜索？ 🤔

Swirl 搜索是一个建立在 Python/Django 堆栈上的开源搜索工具。但是是什么让 Swirl 与其他搜索工具不同呢？它具有适应和分配用户查询到几乎任何具有搜索 API 的平台的能力。

这包括搜索引擎、数据库、NoSQL 引擎、云服务等。但 Swirl 不止于此。一旦它检索到数据，它就采用人工智能，特别是大型语言模型（LLMs），来重新排序和呈现最相关的结果。这是在不需要提取或索引任何数据的情况下完成的，确保了无缝和高效的用户体验。

Swirl 建立在大型语言模型的力量之上。 💪

Swirl 的一个突出特点是通过 Swirl 的 Metapipe 使用 LLMs。大型语言模型已经风靡科技世界，展示了它们基于已受训的信息理解和生成类人文本的能力。通过将 LLMs 集成到其框架中，Swirl 可以提供更准确、更相关、更有上下文意识的搜索结果。这是对传统搜索方法的重大飞跃，传统搜索方法通常会返回大量不相关的数据。

下面是使用 Swirl 进行检索增强生成的屏幕截图。在搜索人物或较少为人所知的数据时，任何 LLM 都可能生成泛泛之谈。但使用 Swirl 和多平台搜索，你可以找到信息并将其发送到你的语言模型以获得更好的答案和见解。

在搜索 Sid Probstein 时，ChatGPT 最初给出了随意的答案。但一旦我们查询通过 Outlook 邮件发送的播客文本记录，它就返回了一些令人惊叹的答案。想象一下用你自己的数据做这样的事情。这将大幅提高你的生产效率。

集成能力：连接多个平台 🚀

Swirl 的强大之处不仅在于其先进的搜索能力，还在于其广泛的集成选项。它为 Microsoft 365 提供 OAuth2 支持，确保对数据的安全访问。此外，Swirl 与企业服务（如 Atlassian Jira 和 Confluence、JetBrains YouTrack、HubSpot 等）无缝集成。用户可以用一个查询搜索多个平台和服务，节省时间和精力。

随着最近与 ChatGPT 的连接，你可以从搜索中取出输出结果并将其发送到 ChatGPT 以获得一些带有参考资料的令人惊叹的答案。这个特性是我最喜欢的。

当前和即将推出的可通过 Swirl 搜索的平台

从多个数据源节省时间并获取答案 📚

Swirl 可以搜索多个数据源。如果它有 API，就可以通过 Swirl 搜索。

连接 Outlook 邮件、Notion、Teams 聊天等更多内容。而且一切都是安全的，没有数据被收集。这是拥有开源引擎的最好部分。

通过将 Swirl 搜索与生成式 AI 语言模型结合使用，企业、初创公司、个人创作者可以有效地向 ChatGPT 输入相关数据，使用户能够轻松地从应用程序数据中获得洞察性答案。

所以，如果你的公司或初创公司有多个数据源，并且你想从所有这些数据源中检索数据并生成见解。那么使用 Swirl 可以节省时间和金钱。更快地完成工作。提高生产效率 🔥。

在 GitHub 上查看项目并做出贡献 🌟

Swirl 最好的部分是它是开源的。他们正在寻找贡献者、社区成员和爱好者。我与团队的经历是积极的。

随着即将到来的 Hacktoberfest，这可能是一个开始使用的好新项目。

如果你喜欢创建一个搜索引擎来一次查询来自多个来源的多个数据。那么让我们深入探索 Swirl 搜索的未来。查看我们的 GitHub 仓库。给它一颗星 🌟 并加入 Slack。让我们一起塑造数据检索的未来吧！

swirlai / swirl-search

AI 搜索和 RAG 无需移动数据。从公司在 100+ 个应用中的知识库获取即时答案，同时保持数据安全。在几分钟内部署，而不是几个月。

为你的团队提供 ChatGPT 级别的搜索，无需将数据移到云端

在 60 秒内使用 OneDriver 和 Microsoft 365 进行 RAG

提问 → 获取带源的答案 → 点击跳转到源

使用 SWIRL 的团队平均每周节省 7.5 小时的生产时间。

⚡ 快速开始 · 🔌 连接器 · 🤝 贡献

跳过复杂性，保留功能

# 无需设置向量数据库
设置向量数据库

复杂的 ETL 管道

数周的基础架构工作

企业级安全性

# 无需运行：
$ setup-vector-db
$ migrate-data
$ configure-indexes

# 只需这样：
$ curl https://raw.githubusercontent.com/swirlai/swirl-search/main/docker-compose.yaml -o docker-compose.yaml

💡 你可以用 SWIRL 构建什么？

使用 SWIRL 构建的团队的真实示例：

🔍 知识库搜索

---