File Search Assistant with LLM Integration

带有大模型集成的文件搜索助手

本项目将语义搜索功能与大模型（LLM）相结合，为 Linux 系统提供智能文件搜索功能。

功能

• 使用自然语言查询搜索文件
• 使用 BERT 嵌入进行语义搜索
• 与 MCP 服务集成文件系统
• 集成 Gemini 大模型以理解查询
• 自动推断文件扩展名

前置条件

• Python 3.8 或更高版本
• 兼容 CUDA 的 GPU（可选，可加快处理速度）
• Linux 操作系统

安装

1. 克隆代码库：

git clone <repository-url>
cd LLm_To_agent/data_dir

2. 安装依赖项：

pip install -r requirements.txt

3. 配置环境变量：
   • 在项目根目录创建 .env 文件
   • 添加你的 Gemini API 密钥：

   GEMINI_API_KEY="your-api-key-here"
   

项目结构

data_dir/
├── main.py              # Main application entry point
├── tools/
│   └── file_finder.py   # File search implementation
├── utils/
│   └── doc_Search.py    # Document search utilities
├── llm/
│   └── gemini_client.py # LLM integration
├── .env                 # Environment variables
└── OSData_store.pth     # Embedded data storage

使用方法

1. 启动应用程序：

python main.py

2. 出现提示时输入搜索查询：

What file are you looking for?
> "find a python script that handles file operations"

3. 系统将：
   • 使用大模型提取相关文件名
   • 使用语义搜索查找文件系统
   • 显示匹配文件的位置

功能详情

• 大模型集成：使用 Google 的 Gemini 理解自然语言
• 语义搜索：使用 BERT 嵌入进行上下文感知的文件匹配
• MCP 服务：高效处理文件系统操作
• 可扩展架构：便于添加新的搜索功能

故障排除

如果遇到“Embeddings file not found”错误，请运行：

cd ~ && find / -type f 2>/dev/null >> Desktop/LLm_To_agent

许可证

[你选择的许可证]

贡献

[你的贡献指南]