Local Deep Research：一个开源的AI深度研究工具，通过深度、迭代分析来提升研究效率。

Local Deep Research是什么？

Local Deep Research是一个基于ai的开源深度研究工具，可以帮助用户快速、高效地进行复杂主题的研究。它通过多轮迭代分析和智能问题生成，能够自动挖掘和整理信息，生成详细的研究报告，只要应用在学术研究、市场分析、产品评估等多种场景上。

Local Deep Research核心功能

深度、迭代式研究

• 自动提出智能问题并逐步深入研究，确保覆盖主题的各个方面。

• 支持多轮分析，逐步完善研究内容。

灵活的 AI 模型支持

• 支持本地 AI 模型（如 Ollama），确保数据隐私。

• 支持云 LLM（如 Claude、GPT），可按需选择。

丰富的输出选项

• 提供详细的研究报告、快速摘要和完整的引用。

• 支持多种格式的输出，便于进一步整理和分享。

隐私保护

• 可完全在本地运行，确保数据隐私和安全。

强大的搜索集成

• 支持多种搜索源，包括 Wikipedia、arXiv、DuckDuckGo 等。

• 支持本地文档搜索，用户可上传自定义文档集合。

多场景适用

• 适用于学术研究、商业分析和个人学习等多种场景。

Local Deep Research项目特点

• 自动化研究流程：通过 AI 自动提出问题并进行迭代分析，减少人工干预。

• 多源信息整合：整合多种数据源，提供全面的研究视角。

• 隐私优先：支持本地运行，确保用户数据不被泄露。

• 灵活配置：支持本地和云模型，用户可根据需求选择。

Local Deep Research使用场景

• 学术研究：快速获取和分析科学论文，整理研究思路。

• 商业分析：跟踪行业动态和市场趋势，生成商业报告。

• 个人学习：整理和总结知识，提升学习效率。

Local Deep Research安装与使用

1. 克隆仓库并安装依赖：

git clone https://github.com/LearningCircuit/local-deep-research.git
cd local-deep-research
pip install -r requirements.txt

2. 安装 Ollama 并配置模型：

ollama pull mistral

3. 配置环境变量（如果使用云 LLM）：

cp .env.template .env

4. 在 .env 文件中填写相应的 API 密钥。

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