Search-o1

让推理模型边想边搜，减少幻觉，答案更靠谱

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署 搜索知识 🍴 复刻 111 🐛 待处理 3 👀 关注 11
GitHub ↗
GitHub 星标 ★ 1253
维护状态 低维护
是否开源 开源
定价模式 🏷️完全免费 开源项目，MIT许可证，可免费使用和部署。

项目预览

Search-o1 项目界面预览图
图片来源：GitHub 官方仓库名片

项目数据

分类搜索知识
开发团队RUC-NLPIR
GitHubhttps://github.com/RUC-NLPIR/Search-o1
定价模式🏷️完全免费
价格说明开源项目，MIT许可证，可免费使用和部署。
访问状态🔧 仅开源项目，无在线服务，需自行部署
是否开源是
开源协议MIT
主要语言Python
技术栈/模型aimo,amc,gpqa,livecode,math,o1,qwq,r1,rag,reasoning
GitHub 星标★ 1253
上线时间2025-01-03 00:00:00
代码更新2025-11-17
仓库体积4.5 MB
本站数据更新2026-11-09
维护状态低维护
收录时间2026-08-09
浏览次数2

项目介绍

Search-o1 是一个为大型推理模型（如 o1）增强智能搜索能力的开源框架，旨在解决推理模型在复杂任务中因知识不足或记忆错误而产生的幻觉问题。它通过智能体式的搜索增强机制，在推理过程中动态判断何时需要外部知识，并自动检索相关信息，将检索结果融入推理链，从而提升模型在科学、数学、编程等领域的推理准确性和可靠性。核心能力包括：自适应搜索触发、多源信息检索、检索结果与推理过程的深度融合，以及支持多种主流推理模型。项目基于 Python 实现，提供了完整的训练和推理代码，并已在 EMNLP 2025 发表，具备学术严谨性和工程实用性。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 1253

技术标签

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：入门 约 10 分钟 部署方式：本地安装 3 步

环境要求

  • 已安装 Python 环境（README 未指明具体版本）
  • 已安装 pip 包管理工具
  • 具备访问 GitHub 与 PyPI 的网络环境
  • 本地已安装 git（用于获取项目源码）

安装与启动步骤

  1. 1克隆项目仓库

    从 GitHub 获取 Search-o1 源码，README 的安装步骤以已进入 Search-o1 目录为前提。

    git clone https://github.com/RUC-NLPIR/Search-o1.git

  2. 2进入项目目录

    切换到克隆下来的 Search-o1 目录，后续安装命令均在此目录执行。

    cd Search-o1

  3. 3安装依赖

    按 README 的 Environment Setup 说明，使用 requirements.txt 一次性安装全部 Python 依赖。

    pip install -r requirements.txt

如何确认成功

README 未提供启动或运行命令，安装完成后暂无官方验证方式，可确认依赖安装无报错。

常见问题

Q：需要什么 Python 版本？

A：README 的安装章节只给出 pip install -r requirements.txt，未标明 Python 版本要求，建议使用较新的 Python 3 版本并参考 requirements.txt 中的依赖说明。

Q：安装依赖报错怎么办？

A：建议先用 venv 或 conda 创建独立虚拟环境，再重新执行 pip install -r requirements.txt，避免与系统已有包冲突。

Q：README 里怎么没有运行示例？

A：当前 README 节选只展示了 Installation 与 Quick Start 标题，Quick Start 正文内容缺失，请到 GitHub 仓库页面查看最新完整文档。

注意事项

  • README 未提供 API Key、模型路径等配置说明，不要自行猜测配置项。
  • 项目涉及检索增强推理，运行阶段通常需要联网与外部检索服务，具体以官方仓库最新说明为准。
  • 建议在虚拟环境中安装依赖，避免污染全局 Python 环境。

核心亮点

  • 动态判断推理中的知识缺口，按需触发搜索，避免盲目检索
  • 检索结果与推理链深度融合，提升长链条推理的准确性
  • 基于 EMNLP 2025 论文，方法有学术支撑，代码开源可复现

不足之处

  • 依赖外部搜索API，可能增加推理延迟和成本
  • 文档/社区待观察

适用场景

  • 科学问答与数学证明中的知识补充
  • 编程任务中的实时API或文档查询
  • 需要最新信息的开放域推理任务

替代项目

Self-RAG、CRAG、ReAct

上一篇：TrustRAG

下一篇：youtu-graphrag

同类项目推荐

casecite 开源

自托管判例检索，问答带原文出处

CaseCite is an open-source, self-hosted legal RAG caselaw research & document analys···

★ 280 2026-11-05
web-scraper-api 开源

一个接口调全网数据，实时信息随取随用

All-in-one web scraping API for real-time, large-scale data extraction – proxies, C···

★ 500 2026-08-09
pg_vectorize 开源

在 Postgres 里直接搞定全文+语义搜索，不用额外部署向量库

Full-text and semantic search on any Postgres

★ 835 2026-08-09
NeoGPT-Explorer 开源

把知识图谱变成聊天机器人，回答有据可查

Knowledge-graph based chatbot using GPT3 and Neo4j

★ 189 2026-08-09
ketch 开源

让 AI 代理秒搜网页，无状态抓取快人一步

Fast, stateless CLI for web search and scrape. Built for AI agents.

★ 745 2026-08-09
Awesome-Text2SQL 开源

一站式搞定自然语言转SQL，从入门到实战资源全在这

Curated tutorials and resources for Large Language Models, Text2SQL, Text2DSL、Text···

★ 3781 2026-08-09
arcana 开源

在 Elixir/Phoenix 里快速接入 RAG 智能搜索，自带仪表盘

Embeddable RAG library for Elixir/Phoenix with agentic pipelines and dashboard

★ 344 2026-08-09
onyx 开源

连接所有知识源，用 AI 聊天搞定企业搜索

Open Source AI Platform - AI Chat with advanced features that works with every LLM

★ 33295 2026-08-09
MinerU-HTML 开源

用SLM从网页中提取干净正文，喂给AI应用

MinerU-HTML: An SLM-powered HTML main content extractor that outputs clean HTML bodi···

★ 300 2026-08-09