LearningCircuit/local-deep-research

项目概览

该项目是首个在单张 RTX 3090 上完全本地运行并报告达到约 95% SimpleQA 准确率的开源项目。

项目类型

AI Agent · RAG 与知识库 · 模型运行

应用场景

知识问答 · 搜索调研

部署方式

查看项目说明

License

MIT

适合谁

• 关注数据隐私且具备基础本地部署能力的研究人员与开发者
• 希望不依赖付费云端 API 即可构建智能体深度研究与 RAG 管线的用户

核心能力

• 利用多种大语言模型与搜索引擎执行带有规范引用的深度智能体研究。通过自主调度多步搜索与信息综合，输出具有参考出处的结构化内容。
• 支持跨越常规网页、学术论文（如 arXiv）以及自定义数据源进行搜索，支持接入 10 余种免费和付费搜索引擎，扩展了信息获取的广度与深度。
• 自动下载研究所引用的来源资料，提取文本内容并构建索引，将其纳入加密的本地资料库中进行可检索管理。有效沉淀历史研究资产，方便后续快速复用。
• 项目不含遥测、分析或追踪组件，产生的使用数据仅保留在本地加密数据库中，降低数据泄露风险。
• 为每位用户提供相互隔离的 SQLCipher 数据库，底层采用 AES-256 加密，保障多用户场景下的数据独立与存储安全。
• 提供 MCP 服务端，使得 Claude Desktop 和 Claude Code 等外部 AI 助手能够通过标准协议调用本项目执行底层深度研究。拓展了工具的互操作生态。
• 自动生成包含多级章节和目录结构的专业研究报告，并支持导出为 PDF 或 Markdown 格式，简化研究成果的交付与分享流程。

限制与风险

• 使用 Docker 部署时，--network host 模式仅能在原生 Linux 系统下正常运行，在 macOS 或 Windows 下可能存在网络路由隔离问题。
• 内置的 MCP 服务端专为本地环境设计，仅通过 STDIO 传输运行，本身不提供任何身份验证机制，不应直接暴露于不受信任的外部网络中。

如何开始

• 得益于预构建的 Docker 镜像与 pip 包，应用本体的安装门槛很低。但由于系统需要调度模型和搜索引擎，用户还需在本地配置并运行如 Ollama 和 SearXNG 等相关的 LLM 与搜索后端才能正常运行。

核验依据

• GitHub 项目简介: ~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. Ever…
• README: AI research assistant you control. Run locally for privacy, use any LLM and build your own searchable knowledge base. You own your data and see exactly how it works.
• README: AI-powered research assistant for deep, agentic research
• README: Performs deep, agentic research using multiple LLMs and search engines with proper citations
• README: **Option 2: Docker Compose** CPU-only (all platforms): ```bash curl -O https://raw.githubusercontent.com/LearningCircuit/local-deep-research/main/docker-compose.yml && docker comp…

内容核验时间：