本地也能运行Deep Research！支持arXiv平台，兼容PDF、Markdown等 机器之心报道 编辑：陈陈 今年年初，OpenAI 上线 Deep Research，开启了智能体又一新阶段，其能根据用户需求自主进行网络信息检索、整合多源信息、深度分析数据，并最终为用户提供全面深入的解答。 此后，Grok 3 及 Perplexity 等，它们都推出了类似的 Deep Research 服务。 其实，大家在惊叹 Deep Research 能力的同时，也会担心数据隐私等安全问题。 现在，可以本地运行的 Deep Research 来了！ 我们可以将其看作一个强大的 AI 研究助手，它使用多个 LLM 和网络搜索进行深入的、迭代的分析。该系统可以本地运行，从而保护用户隐私，你也可以使用基于云的 LLM 以增强其功能。 目前项目已经收获 1.4k star 量。 项目地址：https://github.com/LearningCircuit/local-deep-research 该项目具有以下特点： 先进的研究功能： 能够自动进行深度研究，并在过程中提出智能的跟进问题，以确保全面理解和深入挖掘主题； 追踪引用来源，并验证其可靠性和准确性，确保信息的可信度； 通过多次迭代分析，该项目能够逐步完善研究内容，确保覆盖所有相关方面，避免遗漏重要信息； 分析整个网页的内容，而不仅仅是提取片段，从而提供更全面和准确的信息。 对 LLM 灵活支持： 支持在本地设备上运行 AI 模型（如 Ollama），确保数据处理的高效性和隐私性； 兼容云端大语言模型（如 Claude，GPT），从而提供更强大的计算能力和多样化的模型选择； 能够无缝集成和使用 Langchain 框架下的所有模型； 用户可以根据具体需求选择和配置不同的 AI 模型，以优化研究效果。 丰富的输出选项： 详细的研究结果，并附带引用来源； 生成内容详实、结构清晰的综合研究报告； 提供简洁的摘要，帮助用户快速抓住核心信息； 自动追踪信息来源并验证其可靠性。 增强的搜索集成： 自动选择搜索源：对于用户正在查询的内容，自动搜索引擎会进行智能分析，并根据查询内容选择最合适的搜索引擎； 集成了维基百科，方便快速获取准确的事实性知识和百科信息； 支持 arXiv 平台，便于检索和访问最新的科学论文和学术研究成果； 集成 PubMed，提供生物医学领域的最新文献和医学研究资源； 支持 DuckDuckGo 搜索引擎，提供隐私友好的网页搜索体验（但可能受到速率限制）； 通过 SerpAPI 集成，可以获取 Google 搜索结果（需提供 API 密钥）； 支持 Google 可编程搜索引擎，允许用户创建个性化的搜索体验（需提供 API 密钥）； 集成 The Guardian（《卫报》），方便获取最新的新闻文章和深度报道（需提供 API 密钥）； 支持通过本地 RAG 搜索对私有文档进行搜索，确保数据隐私； 能够抓取并分析整个网页的内容； 提供来源过滤和验证功能，确保搜索结果的可靠性和准确性； 用户可以根据需求自定义搜索参数，优化搜索体验。 本地文档搜索（RAG）： 基于向量嵌入的本地文档搜索； 为不同主题创建自定义文档集合； 保护隐私，用户文档保留在自己的机器上； 智能分块和检索； 兼容多种文档格式（PDF、文本、Markdown 等）； 自动与元搜索集成，实现统一查询。 该项目还包括一个 Web 界面（如下所示），以提供更加用户友好的体验： 到底效果如何呢？我们以官方示例来说明，官方展示了一个关于核聚变能源发展的调查研究。 用户提问：核聚变能源研究的最新进展是什么？商业核聚变什么时候可行？ 然后 Deep Research 输出了一篇可用的调查报告，内容非常详实： 报告部分截图 完整报告可参考：https://github.com/LearningCircuit/local-deep-research/blob/main/examples/fusion-energy-research-developments.md 通过这一示例，我们可以直观了解到该项目在深度研究、跨领域分析和信息整合方面的强大功能。 想要上手体验的小伙伴，可以跟着官方教程进行部署，打造属于自己的 Deep Research 了。 ?THE END 转载请联系本公众号获得授权 投稿或寻求报道：liyazhou@jiqizhixin.com