Local Deep Research

在云端 AI 服务日益普及但隐私隐患丛生的今天，如何处理敏感数据、保护研究成果成为一大难题。Local Deep Research (LDR) 是首个能在单张消费级显卡（如 RTX 3090）上完全本地运行的开源深度研究代理。它在 SimpleQA 基准测试中取得了约 95% 的惊人准确率，支持 arXiv、PubMed、GitHub 等 10+ 搜索引擎及私有文档库，所有数据均经过 AES-256 加密存储，真正实现“零知识”隐私保护。

LDR 不仅是一个问答工具，更是一个可累积的智能研究伙伴。它能自动抓取、索引并整合网络与本地文档，构建专属知识库，并通过自动化订阅持续追踪最新进展。无论是快速事实查询、深度学术分析，还是专业报告生成，LDR 都能提供带有精准引用的高质量答案。

核心亮点：极致隐私、SOTA 性能、知识累积

1. 真正的零知识隐私保护

• 完全本地运行：结合 Ollama（LLM 推理）与 SearXNG（元搜索），所有计算与数据检索均在本地完成，无任何数据外传。
• 军用级加密每个用户拥有独立的 SQLCipher 数据库，采用 AES-256 加密。无密码恢复功能，确保即使服务器管理员也无法读取数据。
• 无遥测追踪：不包含任何分析 SDK、崩溃报告或“打电话回家”调用，彻底杜绝隐私泄露风险。

2. 单卡实现 SOTA 研究性能

• 卓越准确率：在 RTX 3090 上运行 Qwen3.6-27B 模型，SimpleQA 准确率达 95.7%，xbench-DeepSearch 得分 77.0%，媲美甚至超越部分云端闭源模型。
• 多模型兼容：支持所有本地（llama.cpp, Ollama）及云端 LLM（Google, OpenAI 等），灵活适配不同硬件与需求。
• 高效推理：针对本地硬件优化，平衡速度与质量，满足日常深度研究需求。

3.可累积的私有知识库

• 自动索引：研究过程中发现的学术论文（arXiv/PubMed）、网页内容及上传的私有文档，均可自动提取文本并索引至加密库。
• 混合搜索：支持同时检索实时网络与本地知识库，让历史研究成果为当前问题提供上下文支持。
• 智能订阅：设定关注主题，LDR 将每日/每周自动抓取最新相关进展，生成 AI 摘要，助你时刻掌握前沿动态。

4. 强大的研究与输出能力

• 多模式研究：
  • 快速总结：30 秒 -3 分钟获取带引用的核心答案。
  • 详细研究：结构化深度分析，涵盖多方观点。
  • 报告生成：自动生成包含章节、目录的专业 PDF/Markdown 报告。
• 广泛数据源：集成 arXiv, PubMed, Semantic Scholar, Wikipedia, GitHub, Wayback Machine, Tavily, Google 等 10+ 来源，并支持自定义 LangChain 检索器。
• 合规爬虫：尊重 robots.txt，诚实标识 User-Agent，不使用反检测技术，确保数据采集的道德与合法性。

快速开始

方式一：Docker Compose（推荐，最简部署）

仅 CPU（通用）：

curl -O https://raw.githubusercontent.com/LearningCircuit/local-deep-research/main/docker-compose.yml
docker compose up -d

带英伟达显卡（Linux）：

curl -O https://raw.githubusercontent.com/LearningCircuit/local-deep-research/main/docker-compose.yml
curl -O https://raw.githubusercontent.com/LearningCircuit/local-deep-research/main/docker-compose.gpu.override.yml
docker compose -f docker-compose.yml -f docker-compose.gpu.override.yml up -d

访问 http://localhost:5000 启动 Web UI。

方式二：手动 Docker 运行

1. 启动 Ollama：

   docker run -d -p 11434:11434 --name ollama ollama/ollama
   docker exec ollama ollama pull qwen2.5:14b  # 或 gpt-oss:20b
   

2. 启动 SearXNG：

   docker run -d -p 8080:8080 --name searxng searxng/searxng
   

3. 启动 LDR：

   docker run -d -p 5000:5000 --network host \
     --name local-deep-research \
     --volume "deep-research:/data" \
     -e LDR_DATA_DIR=/data \
     localdeepresearch/local-deep-research
   

方式三：pip 安装

pip install local-deep-research
python -m local_deep_research.web.app

配置与使用

1. 模型选择：在 Web UI 设置中选择已拉取的 Ollama 模型（推荐 Qwen2.5-14B/32B 或 Llama3.1-8B/70B）。
2. 搜索引擎配置：默认使用本地 SearXNG，也可配置 Tavily/Google API Key 以增强实时性。
3. 开始研究：
   • 输入复杂问题（如“量子计算在药物发现中的最新进展”）。
   • 选择研究模式（快速/详细/报告）。
   • 观察实时 WebSocket 进度条，等待最终报告生成。
4. 知识库管理：上传 PDF/Word 文档，或在研究中自动保存有价值的内容，后续可通过“文档分析”模式进行针对性提问。

性能基准参考

注：数据基于 langgraph-agent 策略，完全本地运行。

对于每一位珍视知识产权、追求深度洞察的用户而言，LDR 不仅是一个工具，更是一座私密的数字图书馆与智慧引擎。现在，部署它，开启你的自主研究之旅。