Search-o1

让推理模型边想边搜,减少幻觉,答案更靠谱

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。

开源 free 搜索知识
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 1248
维护状态 低维护
是否开源 是
定价模式 free

项目数据

分类搜索知识
开发团队RUC-NLPIR
所属国家
官网地址
定价模式free
价格说明开源项目,MIT许可证,可免费使用和部署。
访问状态
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★ 1248
30天Star增速
HF 下载量
上线时间2025-01-03 00:00:00
最近更新2026-09-20 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数0

使用教程

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

项目介绍

Search-o1 是搜索知识领域的开源项目,由 RUC-NLPIR 开发,2025 年首次发布。

在全站 13,090 个收录项目中,它的 GitHub 星标数(1,248)位列前 30%,在搜索知识分类中处于中上游。

项目已超过三个月没有代码更新,维护节奏明显放缓,最近一次代码更新于 2026-09-20。MIT许可证,可免费使用和部署。

它主要面向的使用场景是:科学问答与数学证明中的知识补充。同类可对比的替代方案包括 Self-RAG、CRAG、ReAct。

上一篇:TrustRAG

下一篇:youtu-graphrag

同类项目推荐

firecrawl 开源

网页抓取像喝水一样简单,开发者省下整周加班

The web data API to search, scrape, and interact at scale.

★ 183325 2026-08-09
contoso-chat 开源

一键跑通 Azure RAG 应用,从代码到评估部署全流程

This sample has the full End2End process of creating RAG application with Prompty an···

★ 766 2026-08-09
graphify 开源

整个代码库画成一张图,找问题一眼定位

Turn any codebase, with its docs, SQL schemas, configs, and PDFs, into a queryable k···

★ 120493 2026-08-09
ragflow 开源

让大模型用上你的私有知识,搭建可靠的企业级RAG应用

RAGFlow is a leading open-source Retrieval-Augmented Generation (RAG) engine that fu···

★ 91170 2026-08-09