自建 DeepSeek 时代已来，联网搜索如何高效实现

作者：张添翼（澄潭）

开源 LLM 的新纪元：DeepSeek 带来的技术平权

随着 DeepSeek 等高质量开源大模型的涌现，企业自建智能问答系统的成本已降低 90% 以上。基于 7B/13B 参数量的模型在常规 GPU 服务器上即可获得商业级响应效果，配合 Higress 开源 AI 网关的增强能力，开发者可快速构建具备实时联网搜索能力的智能问答系统。

Higress：零代码增强 LLM 的瑞士军刀

Higress 作为云原生 API 网关，通过 wasm 插件提供开箱即用的 AI 增强能力：

主要能力矩阵：

• 联网搜索： 实时接入互联网最新信息
• 智能路由： 多模型负载均衡与自动兜底
• 安全防护： 敏感词过滤与注入攻击防御
• 效能优化： 请求缓存+token 配额管理
• 可观测性： 全链路监控与审计日志

联网搜索的技术实现与场景价值

Higress AI 搜索增强插件代码已经开源，可以点击此处查看插件文档和代码。

核心架构解析

关键技术特性

1. 多引擎智能分流

• 公共搜索（Google/Bing/Quark）获取实时资讯
• 学术搜索（Arxiv）对接科研场景
• 私有搜索（Elasticsearch）连接企业/个人知识库

2. 搜索增强核心思路

• LLM 重写 Query：基于 LLM 识别用户意图，生成搜索命令，可以大幅提升搜索增强效果
• 关键词提炼：针对不同的引擎，需要生成不同的提示词，例如 Arxiv 里英文论文居多，关键词需要用英文
• 领域识别：仍以 Arxiv 举例，Arxiv 划分了计算机科学/物理学/数学/生物学等等不同学科下的细分领域，指定领域进行搜索，可以提升搜索准确度
• 长查询拆分：长查询可以拆分为多个短查询，提高搜索效率
• 高质量数据：Google/Bing/Arxiv 搜索都只能输出文章摘要，而基于阿里云信息检索对接 Quark 搜索，可以获取全文，可以提高 LLM 生成内容的质量

典型应用场景效果展示

金融资讯问答

前沿技术探索

医疗问题解答

从开源到落地：三步构建智能问答系统

1. 基础部署

# 一行命令安装并启动Higress网关
curl -sS  https://higress.cn/ai-gateway/install.sh | bash

# 用vllm部署DeepSeek-R1-Distill-Qwen-7B示意
python3 -m vllm.entrypoints.openai.api_server --model=deepseek-ai/DeepSeek-R1-Distill-Qwen-7B --dtype=half --tensor-parallel-size=4 --enforce-eager

2. 插件配置

可以通过 http://127.0.0.1:8001 访问 higress 控制台，给 ai-search 插件做如下配置。

plugins:
searchFrom:
- type: quark
  apiKey: "your-aliyun-ak"
  keySecret: "your-aliyun-sk"
  serviceName: "aliyun-svc.dns"
  servicePort: 443
- type: google
  apiKey: "your-google-api-key"
  cx: "search-engine-id"
  serviceName: "google-svc.dns"
  servicePort: 443
- type: bing
  apiKey: "bing-key"
  serviceName: "bing-svc.dns"
  servicePort: 443
- type: arxiv
  serviceName: "arxiv-svc.dns" 
  servicePort: 443
searchRewrite:
  llmServiceName: "llm-svc.dns"
  llmServicePort: 443
  llmApiKey: "your-llm-api-key"
  llmUrl: "https://api.example.com/v1/chat/completions"
  llmModelName: "deepseek-chat"
  timeoutMillisecond: 15000

3. 对接 SDK 或前端

使用这个 OpenAI 协议 BaseUrl：http://127.0.0.1:8080/v1，就可以使用 ChatBox/LobeChat 等支持 OpenAI 协议的对话工具进行对话。

也可以直接使用 OpenAI 的 SDK 对接，如下所示：

import json
from openai import OpenAI

client = OpenAI(
    api_key="none",
    base_url="http://localhost:8080/v1",
)

completion = client.chat.completions.create(
    model="deepseek-r1",
    messages=[
        {"role": "user", "content": "分析一下国际金价走势"}
    ],
    stream=False
)

print(completion.choices[0].message.content)

通过 Higress+DeepSeek 的开源组合，企业可在 24 小时内完成从零到生产级的智能问答系统部署，使 LLM 真正成为业务增长的智能引擎。