Local Deep Research最新版

Local Deep Research 是一款由AI驱动的研究助手，可以看作是一款本地开源版的“Deep Research”，能够通过迭代分析学术数据库、科学存储库、网络内容以及私人文档集合等多样化知识源，将复杂问题转化为结构清晰、引用充分的研究报告或快速摘要。

无论你是需要快速了解某个主题，还是希望生成一份专业级的详细报告，Local Deep Research 都能为你提供强大的支持。

核心特点

• 多源整合
  Local Deep Research 能够从多种来源中提取信息，包括学术数据库（如 arXiv、PubMed）、网络搜索引擎（如 SearXNG）以及本地文档集合，确保研究结果的多样性和全面性。
• 完全本地运行
  使用本地大语言模型（LLM）时，所有数据处理均在设备上完成，无需上传至云端，确保隐私和安全。
• 智能向量搜索（RAG）
  通过向量嵌入技术，Local Deep Research 可以高效搜索和分析你的私人文档集合，并将其与外部数据结合，生成更加个性化的研究成果。
• 并行搜索优化
  系统支持多引擎并行搜索，显著提升研究效率，尤其适合需要快速处理的简单查询。

两种研究模式

1. 快速摘要

• 适用场景：快速探索某一主题，回答简单问题。
• 特点：

  • 处理时间短（30秒-3分钟）。
  • 提供关键信息，并附带适当引用。
  • 支持表格和结构化信息展示。
• 推荐使用：当你需要快速获取某领域的概览时。

2. 详细报告

• 适用场景：深入研究复杂问题，生成专业级报告。
• 特点：

  • 包含结构化章节、目录和深入分析。
  • 每个章节独立研究，确保全面覆盖。
  • 跨章节整合信息，形成连贯的分析。
  • 引用和参考跟踪完整，适合学术或专业用途。
• 推荐使用：当你需要对某一主题进行系统性研究时。

性能优化

为了满足不同用户的需求，Local Deep Research 提供了多种性能优化选项：

• 调整迭代深度

  • 1 次迭代：适合快速事实性问题（约30秒）。
  • 2-3 次迭代：适合需要深入探索的复杂主题（2-3分钟）。
  • 3-5 次迭代：适合全面研究任务（5分钟以上）。
• 选择合适的模型

  • 12B-30B 参数模型：质量和速度之间的平衡点。
  • 较大模型（如 Llama 3 70B）：适合复杂研究任务，提供更高综合能力。
• 直接使用 SearXNG
  绕过 LLM 调用，直接通过 SearXNG 搜索引擎获取结果，实现最大速度。

多源整合与搜索引擎支持

Local Deep Research 支持多种搜索引擎，涵盖免费和付费选项，确保为用户提供最相关的信息。

核心免费引擎

• auto：智能选择最佳引擎（推荐）。
• wikipedia：通用知识和百科信息。
• arxiv：科学论文和学术研究。
• pubmed：医学和生物医学研究。
• semantic_scholar：跨领域学术文献。
• github：代码存储库和技术讨论。
• searxng：全面网络搜索。
• wayback：互联网档案馆的历史内容。

付费增强引擎

• 配置 API 密钥后，可接入 Google、Brave Search 等高级搜索引擎，进一步提升搜索质量。

本地文档搜索（RAG）

Local Deep Research 的检索增强生成（RAG）功能允许你利用向量嵌入技术搜索和分析私人文档集合，从而将你的知识库与外部数据无缝整合。

支持的文档类型

• PDF 文件、Markdown (.md)、纯文本 (.txt)、Microsoft Word (.docx, .doc)、Excel 表格 (.xlsx, .xls)、CSV 文件等。

使用方式

• 自动选择：当文档与查询相关时自动调用。
• 直接集合选择：指定特定文档集合进行搜索。
• 查询语法：collection:project_docs 你的查询。

这一功能特别适合需要结合个人数据进行研究的场景，例如企业内部文档分析或学术研究中的参考资料整合。

LLM 支持

Local Deep Research 支持本地和云端的大语言模型，用户可根据需求灵活选择。

本地模型（通过 Ollama）

• 完全本地运行，确保隐私和安全。
• 推荐模型：

  • Gemma 3 (12B)：质量和速度平衡。
  • Mistral (7B/8x7B)：性能快速，适合大多数硬件。
  • Llama 3 (8B/70B)：适用于多种任务。

云端模型

• 通过 API 密钥配置云端模型，适合需要更高精度的复杂研究任务。

高级配置与界面管理

Local Deep Research 提供直观的网络界面，方便用户进行高级配置：

• 模型选择：切换本地或云端模型。
• 搜索引擎配置：启用或禁用特定引擎。
• 研究参数调整：设置迭代深度、输出格式等。
• 本地文档集合管理：添加、删除或组织文档集合。

应用场景

Local Deep Research 在多个领域都有广泛应用：

• 学术研究：快速查找论文、生成文献综述。
• 企业决策：整合内部数据与外部信息，支持战略分析。
• 内容创作：生成高质量研究报告或文章初稿。
• 法律与版权：分析复杂案例，整理相关法规和判例。