LearningCircuit/local-deep-research

~95% on SimpleQA (e.g. Qwen3.6-27B on a 3090). Supports all local and cloud LLMs (llama.cpp, Ollama, Google, ...). 10+ search engines - arXiv, PubMed, your private documents. Everything Local & Encrypted.

本地深度研究 – 它是什么

本地深度研究（LDR） 是一个开源、自托管的AI研究助手。它让您提出复杂问题，并自动从网络、学术来源和您自己的文档中收集信息，然后综合生成一份引用丰富的报告。所有处理都在您自己的硬件（例如单个RTX 3090）上运行，数据在您的机器上保持加密，因此您完全保留隐私和控制权。

核心能力

能力	工作原理	您获得的好处
代理式研究	使用基于LangGraph的自主代理，决定查询哪些搜索引擎（arXiv、PubMed、Semantic Scholar等）以及何时综合结果。	深度、多步骤分析，在SimpleQA基准上可达到约95%的准确率。
搜索加库	将来源下载到加密的SQLite（SQLCipher）库中，提取文本，创建嵌入，并索引以便快速本地搜索。	一个不断增长的个人知识库，可与实时网络搜索一起查询。
多LLM后端	适用于任何兼容OpenAI的端点（Ollama、OpenAI、Azure等）——您提供所需的模型，例如Qwen-3.6-27B。	灵活运行完全本地模型或使用云API，同时保持数据私密。
出口控制	内置“出口范围”（自适应、仅公共、仅私有、严格、不受保护）限制网络流量去向，并带有尽力而为的套接字保护和SSRF检查。	细粒度的隐私设置，限制意外数据泄露。
加密的每用户存储	每个用户获得一个AES-256加密的SQLCipher数据库；API密钥存储在同一加密文件中。	凭据和研究历史永远不会以明文写入。
Web UI和API	基于Flask的Web界面（http://localhost:5000）以及用于编程使用的REST端点。	交互式研究会话或集成到其他工具中。

入门（三种简单路径）

Docker（Linux） – 拉取Ollama模型服务器、SearXNG搜索引擎，然后拉取LDR容器。README中的示例使用--network host将它们连接起来。
Docker-Compose – 一键设置CPU-only或GPU加速部署（后者使用NVIDIA运行时）。包括现成的docker-compose.yml和GPU覆盖文件。
pip安装 – pip install local-deep-research并运行python -m local_deep_research.web.app。您仍然需要运行Ollama（或其他LLM端点）和SearXNG，但这在Windows/macOS上也可用。

所有三种方法都附带详细文档（Docker、Docker-Compose、pip、Unraid），涵盖环境变量、硬件要求（支持AVX的CPU，推荐RTX 3090）和故障排除。

安全与隐私亮点

零遥测 – 无分析、崩溃报告或电话回家调用。
加密存储 – SQLCipher（AES-256）保护每个用户的数据库；解密密钥从密码派生，从不持久化。
供应链加固 – Docker镜像使用Cosign签名，包含SLSA来源，并附带SPDX SBOM。仓库运行广泛的CI安全扫描（CodeQL、Semgrep、DevSkim、OWASP ZAP等）。
运行时加固 – 容器丢弃所有能力，以非root运行，并强制no-new-privileges。会话结束时清除内存中的凭据，并启用核心转储保护。
出口策略 – 可配置的范围限制出站流量；严格和仅私有模式添加套接字级保护，防止意外的公共请求。

谁可能使用它？

研究人员和学生，需要一种可重复、私密的方式来收集文献和网络来源。
开发人员，构建自定义AI代理，想要一个现成的搜索→检索→综合管道。
注重隐私的高级用户，想要ChatGPT风格代理的功能，而不将查询发送到第三方服务器。

快速结论

本地深度研究是一个功能齐全、本地运行的AI研究助手，结合了多LLM编排、安全的文档摄取和强大的隐私控制。如果您拥有强大的GPU（或至少支持AVX的CPU）并希望将数据和推理都保留在本地，这是一个可靠的选择。