这是什么
Local Deep Research 是一款本地优先的「AI 深度研究」工具，Python 编写，MIT 协议，GitHub 上约 9.3 千 Star。它对标的是 OpenAI、Gemini 那类「深度研究」功能——你抛出一个问题，AI 自动去搜资料、交叉验证、写出一份带引用的研究报告，而不是简单回一句。区别在于：Local Deep Research 把这一整套流程搬回了你自己的电脑或服务器上，用本地大模型跑，数据不出门。官方给的基准很亮眼：在 SimpleQA 上约 95% 准确率（用 Qwen3.6-27B 跑在一块 3090 上）。对做学术、写报告、查证事实的人来说，这是个能替代「把资料和问题一股脑丢给云端」的本地方案。
它特别强调「Local & Encrypted」：研究过程中产生的数据、索引、结果都用 SQLCipher 加密存在本地数据库里。如果你经常要处理敏感资料，或单纯不想让自己的研究课题、私有文档经过第三方 API，这个项目正好对上需求。
核心能力
- 本地大模型驱动：支持 llama.cpp、Ollama 等本地引擎，也支持 OpenAI、Google、Anthropic 等云端模型，按需切换
- 多源检索：接 arXiv、PubMed、Brave、SearXNG 等 10 多种搜索引擎，还能检索你自己的私有文档
- 深度研究流程：自动拆解问题、多轮检索、交叉验证，生成带引用的结构化报告
- 全程加密：数据库用 SQLCipher 加密，研究过程与结果都留在本地，不经过第三方
- 简单部署：Docker 或 pip 一键安装，自带 Web 界面，开箱即用
- 学术友好：原生对接 arXiv、PubMed，适合文献调研和事实核查
适合谁
- 需要写文献综述、查证事实、做行业调研的学生和研究者
- 对数据隐私敏感、不想把研究问题和资料交给云端 API 的个人
- 手里有块还不错的显卡、想用本地大模型跑「深度研究」的 AI 玩家
- 需要快速检索 arXiv、PubMed 做背景调研的从业者与分析师
获取方式
项目没有独立官网，直接从 GitHub 获取。装法有两种：Docker 拉镜像（localdeepresearch/local-deep-research）或 pip install local-deep-research，都能一键起一个 Web 界面，MIT 开源免费。跑本地模型需要一块中端以上显卡（官方基准用 3090），也可以退而用云端模型接口。上手前建议先看 README 里的 Quick Start。
项目地址：https://github.com/LearningCircuit/local-deep-research
相关阅读
© 版权声明
文章版权归作者所有，未经允许请勿转载。
