LearningCircuit/local-deep-research

解決する課題

ローカルディープリサーチ（LDR）は、AIリサーチアシスタントの中央集権的な提供者への依存を回避する、プライベートで自己ホスティング可能な代替手段を提供します。ユーザーは、機密データを中央集権的なAIプロバイダーに送信することなく、ウェブ、学術論文、個人文書の範囲で深く、自律的なリサーチを実行でき、すべての発見が適切な出典に基づいていることを保証します。

動作方法

LDRは、OllamaやOpenAI互換エンドポイントを介したLLMと、さまざまな検索エンジン（SearXNG、arXiv、PubMedなど）を組み合わせて、リサーチプロセスを自動化します。主に2つの戦略を提供します：

• パイプラインモード：迅速な事実確認や要約に適しています。
• LangGraphエージェント戦略：どの専門的な検索エンジンを使用するか、情報を統合するタイミングを自律的に判断するエージェントで、より複雑な分析と高い正確性を実現します。

ユーザーは、ソースを暗号化されたライブラリにダウンロードすることで、ローカルな知識ベースを構築でき、LDRがそれらをインデックス化・埋め込み、リサーチセッション中にリトリーバー・アUGMENTED生成（RAG）に活用します。

対象ユーザー

• プライバシーを重視する研究者：テレメトリーや追跡なしに、深い分析を実行したい人。
• 学術・技術関係者：信頼できる出典からの正確な結果と出典が必要な人。
• 開発者：REST APIを介して自律的なリサーチ機能を自らのアプリケーションに統合したい人。

特徴

• 完全ローカル実行：RTX 3090 1台でローカルLLMを使用して完全に実行可能。
• 暗号化されたデータ：各ユーザーのデータベースとAPIキーにSQLCipherとAES-256暗号化を使用。
• 自律的リサーチ：発見に基づいて検索エンジンを切り替える適応型検索戦略。
• 包括的なソース統合：学術検索エンジン（arXiv、PubMed）、一般ウェブ検索（SearXNG）、ローカル文書インデックスをサポート。
• ジャーナル品質システム：OpenAlexとDOAJを使用して、ジャーナルの信頼性を自動評価し、悪質ジャーナルを検出。
• 知識ベース構築：ソースをダウンロード・インデックス化し、蓄積され、検索可能な個人用ライブラリを構築可能。