Deep Searcher是一个高度模块化的工具，支持多种技术组件：
- 向量数据库：原生支持Milvus，也可以适配其他兼容的向量数据库。
- Embedding models:支持BERT等多种嵌入模型，用于将文本转换为向量表示。
- 大语言模型：兼容DeepSeek、OpenAI等主流LLMs，用于问答和内容生成。
选择合适的配置需要考虑以下因素：
- 数据规模：小型知识库可使用轻量级配置，大规模企业数据则需要更高性能的向量数据库和嵌入模型。
- 响应速度需求：实时性要求高的场景可能需要牺牲一些精度来换取更快的响应。
- 安全性要求：高度敏感的数据可能需要完全离线的模型部署方案。
- 预算考虑：部分商业LLM API（如OpenAI）会产生使用费用，而开源替代方案（如DeepSeek）则可以降低成本。
Deep Searcher的灵活设计允许用户通过配置文件轻松切换不同的组件组合，建议初期进行小规模测试，找到最适合业务需求的配置方案后再进行全量部署。
This answer comes from the articleDeep Finder: open source project for deep inference search using local knowledgeThe
May not be reproduced without permission:AI productivity tools " Deep Searcher支持哪些技术组件，如何选择合适的配置？
English 
简体中文 
日本語 
Deutsch 
Português do Brasil