local-deep-research

Local Deep Research 这个项目一亮相，就戳中了 AI 研究者们的痛点——想用大模型做深度调研，又担心数据上传云端泄露隐私？它直接把“深度研究”搬到了你的本地电脑里。在 SimpleQA 基准测试上能达到大约 95% 的准确率（比如用 Qwen3.6-27B 模型在英伟达 3090 显卡上跑出来的成绩），这意味着它不仅能回答简单问题，还能像专业研究员一样综合多源信息给出可靠结论。核心价值就是让你在自己的机器上完成严肃的调研工作，所有数据都存储在本机并用 SQLCipher 加密，云端提供商永远看不到你的敏感信息。 技术亮点方面，它几乎兼容了市面上所有主流大模型：既能用 llama.cpp 和 Ollama 跑本地模型，也能一键接入 Google、OpenAI 等云端服务。更厉害的是，它内置了 10 多个垂直搜索引擎，包括 arXiv 学术论文、PubMed 医学文献，甚至你本地的私有文档。这意味着你可以让 AI 同时检索公开论文和内部资料，在本地把结果整合成研究报告，而不会把公司机密上传给任何第三方。它还支持 Docker 一键部署，下载量已经超过百万次，社区非常活跃。 适用场景非常广泛：科研人员用它做文献综述，学生用它写论文调研，企业分析师用它做竞品分析，医生用它查最新临床指南——只要是需要从大量信息中提炼结论的场景，它都能胜任。特别是对数据安全敏感的金融、法律、医疗行业，完全本地化的特性简直是刚需。 上手难度并不高：项目提供了 PyPI 安装、Docker 容器和源码三种方式。如果你对命令行和 Python 不太熟，直接拉 Docker 镜像跑起来就能用；如果你会一点编程，还能自己配置模型路径和搜索源。基础要求就是知道怎么装软件、跑几个命令，文档写得相当详细。总的来说，这是一个把“私人 AI 研究员”装进你电脑的项目，既安全又强大，值得每一个重视数据隐私的深度用户尝试。