LearningCircuit/local-deep-research

解決的問題

本地深度研究（LDR）為AI研究助手提供了一種私密、自托管的替代方案。它允許使用者在不將敏感資料傳送給集中式AI提供者的情況下，於網路、學術論文與個人文件之間進行深入的自主研究，同時確保所有發現皆有適當的引用依據。

運作方式

LDR結合使用LLM（透過Ollama或OpenAI相容端點）與多種搜尋引擎（如SearXNG、arXiv與PubMed），自動化研究流程。它提供兩種主要策略：

• 流程模式：適用於快速查證事實與快速摘要。
• LangGraph代理策略：一個自主代理，能決定使用哪些專業搜尋引擎以及何時整合資訊，進而實現更複雜的分析與更高準確度。

使用者亦可透過將來源下載至加密資料庫，建立本地知識庫，LDR隨後會對其進行索引與嵌入，以便在研究會話期間進行檢索增強生成（RAG）。

適用對象

• 重視隱私的研究人員：需要在無遙測或追蹤的情況下進行深度分析。
• 學術與技術專業人士：需要來自可靠來源的高準確度結果並附有引用。
• 開發者：希望透過REST API將自主研究功能整合至自身應用程式中。

主要特色

• 完全本地執行：僅需單張RTX 3090即可透過本地LLM完全運行。
• 加密資料：使用SQLCipher與AES-256加密保護每位使用者的資料庫與API金鑰。
• 自主研究：根據發現動態切換搜尋引擎的適應性搜尋策略。
• 全面的來源整合：支援學術引擎（arXiv、PubMed）、一般網路搜尋（SearXNG）與本地文件索引。
• 期刊品質系統：利用OpenAlex與DOAJ自動評估期刊聲譽並偵測掠奪性期刊。
• 知識庫建構：可下載並索引來源，建立可累積、可搜尋的個人圖書館。