OpenSource-Hub
L

Local Deep Research

4.9k stars·AI 生产力·已提供 SHA-256 校验码,下载后可自行核对文件完整性

开源的本地 AI 研究助手,支持任意大模型和搜索引擎,构建加密知识库,自动生成带引用的研究报告。

智能下载

前往项目主页

该项目暂未提供安装包,请直接访问源代码仓库

本地运行、隐私安全的 AI 深度调研工具,自动搜资料写报告还能建知识库。

核心功能

  • 支持任意大模型(Ollama、OpenAI、Anthropic 等)和搜索引擎(Google、Bing、学术专用引擎)
  • 20+ 研究策略,包含 LangGraph 自主代理模式,自动决定搜索策略和总结时机
  • 内置加密数据库,所有研究来源可一键收藏到知识库,下次直接检索
  • 完全本地运行,数据不出本机,隐私可控
  • 支持 Docker 一键部署(CPU/GPU),也支持 pip 安装(Windows/macOS/Linux)

避坑指南

  • 如果使用 SQLCipher 加密功能,首次启动可能报错,可设置环境变量 LDR_BOOTSTRAP_ALLOW_UNENCRYPTED=true 降级为普通 SQLite;2. 本地需要 8GB+ 内存运行大模型,建议 16GB;3. 依赖 SearXNG 实现最佳搜索,如果使用其他搜索引擎(如 Google API)需自行配置 API key 和费率;4. pip 安装在 Windows 下 PDF 导出需要额外安装 Pango。

适用场景

  • 学术研究者:自动搜索 ArXiv、PubMed 等学术数据库,整理文献综述
  • 知识工作者:将多篇报告、网页收藏后,用自然语言提问自己的知识库
  • 隐私敏感用户:完全离线使用,不依赖云 API,数据加密存储

详细介绍

Local Deep Research(LDR)是一款开源的 AI 研究助手,完全本地运行,支持接入任意大模型(通过 Ollama 或 API)和多种搜索引擎。它能自动完成复杂问题的深度调研:从网页、学术论文和你自己的文档中搜集信息,生成带引用来源的完整报告。内置 20+ 种研究策略,还新加入了 LangGraph 自主代理模式——让 LLM 自己决定搜什么、用什么引擎搜、何时总结。所有数据加密存储在 SQLCipher 数据库中,你可以把每次调研发现的资料直接收藏到知识库,下次提问时就能同时搜索自己的笔记和实时网络。支持 Docker 和 pip 安装,可选 GPU 加速。

常见问题与排障 (1)

故障排除
为什么当AI聊天发送非常长的流式响应时,我的浏览器标签页会崩溃或内存耗尽?

这可能是由于聊天流客户端中存在无限制缓冲区问题所致。修复方法是将累积的流式内容上限设置为256 KB(与服务器端使用的上限相同)。超出此限制后,用户界面会显示截断通知,而不会崩溃。同时,服务器端用于部分引用令牌(例如[12)的携带缓冲区被限制为64字节,以防止无限制增长。两项修复均在PR #2953(提交3f7a5a73a)中。请更新您的部署以包含这些更改。

来源 Issue #4327

标签

AI researchlocal LLMknowledge baseprivacyopen sourceagentic

快速上手

1

下载安装包

点击上方按钮下载对应系统的安装包

2

安装软件

双击下载的安装程序,按提示完成安装

3

Docker 方式(推荐):docker run -d -p 11434:11434 --name ollama ollama/ollama 然后拉取模型;再运行 docker run -d -p 8080:8080 --name searxng searxng/searxng;最后运行 LDR 容器(见 README)

4

pip 安装:pip install local-deep-research,然后运行 ldr 命令或访问 localhost:5000

5

首次使用:在设置里配置 LLM(本地 Ollama 或 API key)和搜索引擎,选择研究策略,输入问题即可自动研究

安装指引
  1. Docker 方式(推荐):docker run -d -p 11434:11434 --name ollama ollama/ollama 然后拉取模型;再运行 docker run -d -p 8080:8080 --name searxng searxng/searxng;最后运行 LDR 容器(见 README)
  2. pip 安装:pip install local-deep-research,然后运行 ldr 命令或访问 localhost:5000
  3. 首次使用:在设置里配置 LLM(本地 Ollama 或 API key)和搜索引擎,选择研究策略,输入问题即可自动研究
文件完整性

暂未获取到校验码

该项目暂未在 GitHub Release 页面提供 SHA-256 校验码

SHA256 校验码

暂无校验码

建议从 GitHub Releases 页面直接下载,并自行核对文件完整性

本平台所有 SHA-256 校验码均提取自项目在 GitHub 官方 Release 页面发布的文件,未做任何修改。你可以通过 GitHub Releases 页面自行验证。

运维指引

卸载说明

Docker 停止并删除容器:docker stop local-deep-research && docker rm local-deep-research。pip 方式:pip uninstall local-deep-research。

无额外依赖

下载后即可直接使用,无需安装其他运行环境

项目信息
开源协议MIT
最后更新2026-06-27 14:15:31
GitHub 仓库官方网站

遇到问题?查看下方 FAQ

1 FAQ

相似推荐