关于文本分析工具，之前在星球课程中详细介绍了ChatPDF以及它的原理

忘记的可以点击下方链接查阅：https://articles.zsxq.com/id_fb4gg2i033bo.html

其实，现在大多数基于GPT的文本搜索功能都用的是向量相似度搜索，它对于我们分析文本，写论文都有很大的限制。

痛点

自从 OpenAI 开放了 GPT3.5/4 的 API 接口以来，许多人开始利用它建立自己的本地知识库，尝试训练自己的客服系统、智能助理、法律或金融顾问等。然而，重要的一点需要注意，ChatGPT 返回的答案并不总是100%真实可信。对于那些需要严谨内容的场景，例如撰写论文、行业分析报告、法律合同文件等，ChatGPT可能并不是最佳选择。那么，如何在保证数据真实性和隐私安全的前提下，提高文档检索效率呢？

优秀解决方案推荐

地址：https://github.com/freedmand/semantra

我最近在 GitHub 上发现了一个优秀的开源解决方案：Semantra。这是一款强大的语义搜索工具，相较于传统的文本匹配方式，Semantra 能够提供直接的语义查询功能。

Semantra 的设计目标是易用、可定制，同时注重隐私。它非常适合需要在大量文档中进行精确搜索的用户，如新闻记者、研究人员、学生或教师等。

如何安装

安装和使用 Semantra 也非常简单。首先，你需要确保你的电脑上的 Python 版本为 3.9 或更高。然后，使用 pipx 安装 Semantra。如果你还没有安装 pipx，可以使用以下命令安装：

python3 -m pip install --user pipx
python3 -m pipx ensurepath

然后，在新的命令行终端窗口中运行以下命令安装 Semantra：

pipx install semantra

安装成功后，你可以在终端中输入 semantra --help 命令，检查是否正确安装。

Semantra 主要用于处理存储在本地计算机上的文档（包括文本和 PDF 文件）。你可以选择处理单个或多个文档。需要注意的是，第一次处理文档可能需要一些时间，但是再次处理时，速度将大大提高。

在处理了文档后，Semantra 将在本地启动一个 Web 服务器。默认情况下，你可以通过 localhost:8080 访问该服务器。在这个页面上，你可以对文档进行语义查询，根据返回的结果，使用 + 和 - 给结果打标签，以优化下次查找的效果。

也即是说，你用的越多，它查找的结果就越准确。

有兴趣可以下载这个视频看看：https://user-images.githubusercontent.com/306095/233867821-601db8b0-19c6-4bae-8e93-720b324dc199.mov

处理文档的方式

Semantra 支持两种处理文档的方式：使用 "内嵌模型" 或者调用 "OpenAI API"。默认情况下，Semantra 使用的是 MPNet 语言模型。

总的来说，Semantra 是一个出色的文档内容搜索工具，它在保证数据真实性和隐私安全的同时，能够有效提高文档检索效率。无论是对于个人还是团队，只要你需要在大量文档中进行精确搜索，它都将是你的理想选择。

如果你的电脑配置良好或者你希望在离线状态下处理文档，你可以选择下载并使用大型语言模型，这将最大程度地保护你的隐私。如果你想使用 OpenAI API，Semantra 也提供了相应的选项，但是你需要自行承担由此产生的 Token 消耗。

选择处理文档的方式

具体选择哪种方式，主要取决于你的具体需求和环境。在我看来，对于文档查询这类任务，大部分语言模型已经足够好，没有必要使用 OpenAI API。ChatGPT 的主要优势在于，基于其丰富的知识库，它可以帮助你发散思维，提供多种解决方案。

总结：

对于需要保证数据真实性、操作严谨性的任务，将所有工作交给 ChatGPT 处理可能并不是最佳选择。这就是我从 Semantra 项目中得到的主要启发，我希望这个事实能科普到大家，而不是一味的把ChatGPT奉若神明。

最近几个月，我深入研究了许多关于 ChatGPT 的实用技巧和应用。为了方便自己的学习和阅读，我整理了一些有关 ChatGPT 的使用技巧、实用工具以及变现方法。如果你对此感兴趣，欢迎关注我的公众号。