ARTICLE · INTELLIGENCE

战地情报 · 详情页

来自尧图项目组的一线实战观察与深度解析

Local Deep Research 完整教程:5 步部署你的本地深度研究助手

Local Deep Research 完整教程:5 步部署你的本地深度研究助手 Local Deep Research 完整教程5 步部署你的本地深度研究助手【免费下载链接】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.项目地址: https://gitcode.com/GitHub_Trending/lo/local-deep-research写论文查资料、做技术选型调研时最耗时的往往不是写而是翻遍论文、搜索记录和零散笔记再把结论拼起来。Local Deep Research下称 LDR是一个可本地部署的开源 AI 研究助手把复杂问题丢给它它自动搜索、阅读、交叉验证最后输出一份带完整引用的报告而数据始终留在你自己的机器上。 能力速览一个会自己查资料的研究员智能体式研究由 LLM 自主决定搜什么、用哪个引擎arXiv、PubMed、Semantic Scholar、Wikipedia、SearXNG 等 10 搜索源、何时开始合成边查边换源。本地/云端双轨模型Ollama、LM Studio、llama.cpp 等本地模型或 OpenAI、Claude、Gemini 等云端 API 都能接无需 API Key 也能全本地跑。私有知识库每次研究的来源可以一键存入 SQLCipher 加密库AES-256下次提问时你的文档 实时网络一起被检索知识越用越厚。有硬指标背书社区基准显示单张 RTX 3090 跑 Qwen3.6-27B在 SimpleQA 上达到约 95% 的准确率。![Local Deep Research 本地文档检索与研究报告生成流程](https://raw.gitcode.com/GitHub_Trending/lo/local-deep-research/raw/d51afed7a1110f9c53dddd6e5839623f34eb0690/docs/images/Local Search.png?utm_sourcegitcode_repo_files) 上手准备前置条件为什么需要Docker Docker Compose推荐路线一条命令拉起 LDR、Ollama、SearXNG 全套依赖可联网需拉取镜像并下载模型权重12B 级模型约 7~8 GBCPU 支持 AVXIntel Sandy Bridge / AMD Bulldozer2011或更新ARM64 完全支持过老的 x86 会报Illegal instruction数十 GB 磁盘空间存放容器数据与模型权重1️⃣ 克隆项目仓库目的拿到 compose 编排文件和完整文档后续排查问题会用到。git clone https://gitcode.com/GitHub_Trending/lo/local-deep-research cd local-deep-research预期结果目录中出现docker-compose.yml和docs/文件夹即成功。2️⃣ 一条命令启动三个服务目的同时拉起 Local Deep Research、Ollama本地模型运行时和 SearXNG本地隐私搜索引擎让搜索结果不经过第三方。docker compose up -d预期结果docker compose ps显示三个容器运行中LDR 会等 Ollama 通过健康检查后自动完成启动。3️⃣ 预拉 LLM 模型可选但推荐目的避免第一次研究时才下载权重、干等十几分钟。docker exec ollama_service ollama pull gpt-oss:20bgpt-oss:20b可按显卡/内存换成其他模型社区基准里 Qwen 系列本地表现很好若打算用云端 API这一步可跳过。预期结果模型下载完成无报错。4️⃣ 配置Web 界面的三个关键项目的告诉 LDR 用哪个模型、搜哪里、按什么策略研究。打开http://localhost:5000注册第一个账号后进入 SettingsLLM → Provider / Model本地模型选刚拉好的Ollama 默认地址已预接好云端则填 Provider 和 API Key。Search → SearXNGcompose 已自动接好http://searxng:8080无需改动。Research Strategy保持默认langgraph-agent即智能体深度研究模式。服务器化部署时更推荐用LDR_前缀环境变量锁死配置例如LDR_LLM_PROVIDERollama # 模型来源可换 openai / anthropic 等 LDR_LLM_MODELgpt-oss:20b # 模型名按需替换注意LDR 本身不读取.env文件变量要传给启动进程Compose 的environment:或docker run -e。完整变量清单见 docs/CONFIGURATION.md。不想装 Docker也可以pip install local-deep-research后运行ldr-web完整步骤见 docs/install-pip.md。5️⃣ 跑通验证30 秒确认装好了目的用最低成本确认整条链路模型 → 搜索 → 报告都通了。在首页输入一个简单问题例如量子纠错的基本原理是什么选 Quick Research 启动。预期结果数分钟内生成一份带引用来源链接的报告——打开报告能看到每条结论都附来源即代表部署成功。接下来可以试试 Detailed Research 做完整分析或把几份 PDF 加入私有知识库体验自己的文档 全网混合检索。更多细节可查 docs/installation.md 与 docs/features.md。【免费下载链接】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.项目地址: https://gitcode.com/GitHub_Trending/lo/local-deep-research创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
RELATED READING

延伸阅读

更多一线实战笔记与深度复盘,助您持续精进