Local Deep Research：本地深度 AI 研究助手

Local Deep Research 是一款强大的 AI 驱动研究助手，能够执行深度、迭代式分析，结合 多个 LLM（大语言模型）与网络搜索，提供全面的研究支持。用户可选择 本地运行 以确保隐私，或使用 云端 LLM 以获得更强的计算能力。

✨ 核心功能

🔍 高级研究能力
• 自动化深度研究，智能生成后续问题，挖掘更完整的信息。
• 引用追踪与来源验证，确保研究的可靠性。
• 多轮迭代分析，涵盖广泛的信息领域。
• 完整网页内容解析，不仅限于摘要或片段。

🤖 灵活的 LLM 支持
• 本地 AI 处理，兼容 Ollama 模型，保障数据隐私。
• 云端 LLM 兼容性，支持 Claude、GPT 等强大模型。
• 支持所有 LangChain 模型，灵活适配不同需求。
• 可配置模型选择，根据任务需求切换 AI 模型。

📊 多样化研究输出
• 生成 详细研究报告，附带完整 引用来源。
• 提供 快速摘要，帮助用户迅速获取关键信息。
• 追踪信息来源，确保研究结果的 可验证性。

🔒 以隐私为核心
• 完全本地运行（仅限本地模型），无需上传数据。
• 可配置的搜索选项，用户可自定义搜索范围。
• 透明的数据处理方式，保证用户隐私安全。

🌐 强化搜索集成
• 智能搜索引擎选择，根据查询内容自动匹配最优搜索引擎。
• 学术与新闻数据整合，支持以下来源：
• Wikipedia：提供事实性知识
• arXiv：获取前沿科学论文
• PubMed：搜索生物医学与医学研究
• DuckDuckGo：进行通用网页搜索
• SerpAPI & Google PSE：获取 Google 搜索结果（需 API Key）
• The Guardian：新闻与调查报道（需 API Key）
• 本地 RAG 搜索：基于向量嵌入搜索私人文档
• 完整网页内容抓取，提供全面信息解析
• 来源过滤与验证，确保数据的真实性

📑 本地文档搜索（RAG）
• 智能搜索私人文档，使用 向量嵌入 提高检索效率。
• 创建自定义文档集合，便于管理不同研究主题。
• 隐私保护，所有文档均存储于本地，无需上传。
• 智能文本切分与检索，提升搜索精准度。
• 兼容多种格式（PDF、TXT、Markdown 等）。
• 自动集成元搜索，实现统一查询。

🔬 研究示例：聚变能源发展

Local Deep Research 提供完整的研究示例，展示其强大的分析能力。例如，在 聚变能源研究 方面，该系统可生成包含以下内容的详细报告：
• 2022-2025 期间的最新科学突破
• 超 60 亿美元 的私人投资动态
• 专家预测 的商业化时间表
• 聚变能源的监管框架 发展情况
• 商业化技术挑战 及应对策略

本示例展现了该系统如何通过 多轮研究迭代，在 科学与商业领域 追踪证据链，并综合多个来源的信息，同时 保持引用的准确性。

- https://github.com/LearningCircuit/local-deep-research