今年年初，OpenAI 上線 Deep Research，開啟了智能體又一新階段，其能根據用戶需求自主進行網絡信息檢索、整合多源信息、深度分析數據，并最終為用戶提供全面深入的解答。

此后，Grok 3 及 Perplexity 等，它們都推出了類似的 Deep Research 服務。

其實，大家在驚嘆 Deep Research 能力的同時，也會擔心數據隱私等安全問題。

現在，可以本地運行的 Deep Research 來了！

我們可以將其看作一個強大的 AI 研究助手，它使用多個 LLM 和網絡搜索進行深入的、迭代的分析。該系統可以本地運行，從而保護用戶隱私，你也可以使用基于云的 LLM 以增強其功能。

目前項目已經收獲 1.4k star 量。

項目地址：https://github.com/LearningCircuit/local-deep-research

該項目具有以下特點：

先進的研究功能：

• 能夠自動進行深度研究，并在過程中提出智能的跟進問題，以確保全面理解和深入挖掘主題；
• 追蹤引用來源，并驗證其可靠性和準確性，確保信息的可信度；
• 通過多次迭代分析，該項目能夠逐步完善研究內容，確保覆蓋所有相關方面，避免遺漏重要信息；
• 分析整個網頁的內容，而不僅僅是提取片段，從而提供更全面和準確的信息。

對 LLM 靈活支持：

• 支持在本地設備上運行 AI 模型（如 Ollama），確保數據處理的高效性和隱私性；
• 兼容云端大語言模型（如 Claude，GPT），從而提供更強大的計算能力和多樣化的模型選擇；
• 能夠無縫集成和使用 Langchain 框架下的所有模型；
• 用戶可以根據具體需求選擇和配置不同的 AI 模型，以優化研究效果。

豐富的輸出選項：

• 詳細的研究結果，并附帶引用來源；
• 生成內容詳實、結構清晰的綜合研究報告；
• 提供簡潔的摘要，幫助用戶快速抓住核心信息；
• 自動追蹤信息來源并驗證其可靠性。

增強的搜索集成：

• 自動選擇搜索源：對于用戶正在查詢的內容，自動搜索引擎會進行智能分析，并根據查詢內容選擇最合適的搜索引擎；
• 集成了維基百科，方便快速獲取準確的事實性知識和百科信息；
• 支持 arXiv 平臺，便于檢索和訪問最新的科學論文和學術研究成果；
• 集成 PubMed，提供生物醫學領域的最新文獻和醫學研究資源；
• 支持 DuckDuckGo 搜索引擎，提供隱私友好的網頁搜索體驗（但可能受到速率限制）；
• 通過 SerpAPI 集成，可以獲取 Google 搜索結果（需提供 API 密鑰）；
• 支持 Google 可編程搜索引擎，允許用戶創建個性化的搜索體驗（需提供 API 密鑰）；
• 集成 The Guardian（《衛報》），方便獲取最新的新聞文章和深度報道（需提供 API 密鑰）；
• 支持通過本地 RAG 搜索對私有文檔進行搜索，確保數據隱私；
• 能夠抓取并分析整個網頁的內容；
• 提供來源過濾和驗證功能，確保搜索結果的可靠性和準確性；
• 用戶可以根據需求自定義搜索參數，優化搜索體驗。

本地文檔搜索（RAG）：

• 基于向量嵌入的本地文檔搜索；
• 為不同主題創建自定義文檔集合；
• 保護隱私，用戶文檔保留在自己的機器上；
• 智能分塊和檢索；
• 兼容多種文檔格式（PDF、文本、Markdown 等）；
• 自動與元搜索集成，實現統一查詢。

該項目還包括一個 Web 界面（如下所示），以提供更加用戶友好的體驗：

到底效果如何呢？我們以官方示例來說明，官方展示了一個關于核聚變能源發展的調查研究。

用戶提問：核聚變能源研究的最新進展是什么？商業核聚變什么時候可行？

然后 Deep Research 輸出了一篇可用的調查報告，內容非常詳實：

報告部分截圖

完整報告可參考：https://github.com/LearningCircuit/local-deep-research/blob/main/examples/fusion-energy-research-developments.md

通過這一示例，我們可以直觀了解到該項目在深度研究、跨領域分析和信息整合方面的強大功能。

想要上手體驗的小伙伴，可以跟著官方教程進行部署，打造屬于自己的 Deep Research 了。