LlamaResearcher: KI-Forschungsassistent auf Basis von Llama 4, der Themen in vollständige Artikel verwandelt 129

Was ist LlamaResearcher?

LlamaResearcher ist ein auf dem Llama-4-Modell basierender Recherche-Assistent, der in der Lage ist, vom Nutzer eingegebene Themen schnell in vollständige Aufsätze umzuwandeln. Er eignet sich für akademische Recherche, das Verfassen von Berichten, die Content-Erstellung und viele weitere Anwendungsbereiche.

Funktionsmerkmale von LlamaResearcher

1. Schnelle Generierung von Aufsätzen

• Kernfunktion: Kann ein vom Nutzer eingegebenes Thema zügig in einen vollständig strukturierten Aufsatz umwandeln und spart so Zeit bei Recherche und Schreiben.

2. Sicherheitsprüfungs-Mechanismus

• Sicherheitsbewertung: Verwendet das von Groq bereitgestellte Modell llama-3-8b-guard, um die vom Nutzer eingegebenen Anfragen einer Sicherheitsprüfung zu unterziehen und sicherzustellen, dass die Eingaben den Sicherheitsstandards entsprechen.

• Risikokontrolle: Vermeidet die Bearbeitung von Anfragen, die potenziell unangemessene Inhalte betreffen, und gewährleistet so die Sicherheit und Konformität des Systems.

3. Intelligente Anfrage-Erweiterung

• Mehrdimensionale Suche: Erweitert die einzelne Anfrage des Nutzers in drei Unteranfragen, um das Thema aus mehreren Blickwinkeln eingehend zu durchleuchten.

• Tiefgehende Informationsbeschaffung: Führt über LinkUp für jede Unteranfrage eine tiefgehende Websuche durch, um umfassendere und reichhaltigere Informationsressourcen zu erhalten.

4. Informationsfilterung und -bewertung

• Relevanzbewertung: Filtert die große Menge der abgerufenen Informationen, um sicherzustellen, dass die zurückgegebenen Inhalte eng mit der ursprünglichen Anfrage des Nutzers verknüpft sind.

• Qualitätskontrolle: Filtert irrelevante oder minderwertige Informationen durch einen Bewertungsmechanismus heraus und stellt sicher, dass der letztendlich generierte Aufsatz inhaltlich korrekt und zuverlässig ist.

5. Starke Technologie-Stack-Unterstützung

• Groq: Wird für Sicherheitsprüfungen und Modellinferenz verwendet.

• LinkUp: Wird für die tiefgehende Websuche verwendet.

• Llamaindex: Wird für Informationsabruf und -generierung verwendet.

• Gradio: Bietet eine benutzerfreundliche Oberfläche.

• FastAPI: Errichtet einen effizienten Backend-Service.

• Redis: Wird zur Begrenzung der API-Rate verwendet und gewährleistet den stabilen Betrieb des Systems.

Arbeitsablauf von LlamaResearcher

• Sicherheitsprüfung: Verwendet das von Groq bereitgestellte Modell llama-3-8b-guard, um Nutzeranfragen einer Sicherheitsbewertung zu unterziehen.

• Aufgabenverteilung: Ist die Anfrage sicher, wird sie an den ResearcherAgent weitergeleitet.

• Anfrage-Erweiterung: Der ResearcherAgent erweitert die Anfrage in drei Unteranfragen, die für die Websuche verwendet werden.

• Informationsbeschaffung und -filterung: Verwendet LinkUp, um für jede Unteranfrage eine tiefgehende Websuche durchzuführen, und bewertet die Relevanz der abgerufenen Informationen hinsichtlich der ursprünglichen Anfrage des Nutzers.

• Generierung des Aufsatzes: Nachdem alle Informationen gesammelt wurden, verfasst der ResearcherAgent den endgültigen Aufsatz und gibt ihn an den Nutzer zurück.

Installation und Ausführung von LlamaResearcher

1. Repository klonen:

git clone https://github.com/AstraBert/llama-4-researcher.git
cd llama-4-researcher

2. Umgebungsvariablen konfigurieren:

• Bennen Sie die Datei .env.example in .env um und fügen Sie die folgenden API-Schlüssel hinzu:

• groq_api_key: Erhältlich über die Groq Console.

• linkup_api_key: Erhältlich über das Linkup Dashboard.

• internal_api_key: Erstellen Sie diesen selbst.

• Oder starten Sie es manuell:

docker compose up -f compose.local.yaml llama_redis -d
docker compose up -f compose.local.yaml llama_app -d

3. Die Anwendung läuft anschließend unter http://localhost:8000.

Github-Adresse:https://github.com/AstraBert/llama-4-researcher