本地深度研究 – 包括ArXiv、维基百科及其他搜索
Hacker News 摘要原标题：Local Deep Research – ArXiv, wiki and other searches included
该网页是一个GitHub项目，名为“Local Deep Research”，这是一个功能强大的AI驱动的研究助手，能够进行深度、迭代分析，结合多个大型语言模型（LLMs）和网页搜索。该系统可以在本地运行以确保隐私，或配置为使用基于云的LLMs来增强功能。
主要特性包括：
• 高级研究能力：
• 自动化深度研究并提出智能跟进问题
• 引用跟踪和来源验证
• 多轮次分析以确保全面覆盖
• 完整网页内容分析（不仅限于片段）
• 灵活的LLM支持：
• 本地AI处理，支持Ollama模型
• 云LLM支持（Claude、GPT）
• 支持所有Langchain模型
• 根据需求配置模型选择
• 丰富的输出选项：
• 详细的研究发现与引用
• 综合研究报告
• 快速摘要以获取快速见解
• 来源跟踪与验证
• 隐私关注：
• 使用本地模型时完全在用户计算机上运行
• 可配置的搜索设置
• 透明的数据处理
• 增强的搜索集成：
• 自动选择搜索源的“自动”搜索引擎，根据查询内容智能分析并选择最合适的搜索引擎
• 集成维基百科以获取事实知识
• 集成arXiv以进行科学论文和学术研究
• 集成PubMed以获取生物医学文献和医学研究
• 集成DuckDuckGo进行网页搜索（可能会遇到速率限制）
• 集成SerpAPI以获取Google搜索结果（需要API密钥）
• 集成Google可编程搜索引擎以获取自定义搜索体验（需要API密钥）
• 集成The Guardian以获取新闻文章和新闻报道（需要API密钥）
• 本地RAG搜索允许搜索私人文档（使用向量嵌入）
• 完整网页内容检索
• 来源过滤和验证
• 可配置的搜索参数
• 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 - 文档保留在用户计算机上
• 智能块拆分和检索
• 兼容多种文档格式（PDF、文本、Markdown等）
• 自动与元搜索集成以实现统一查询
此外，网页还提供了“融合能量发展”的示例研究，展示了该工具的能力，包括最新的科学突破、私人部门的资金发展、商业化时间表的专家预测等。
安装步骤简单明了，包括克隆仓库、安装依赖、安装Ollama以及配置环境变量等。同时，项目还包括一个用户友好的网页界面，允许追踪研究进度、管理历史查询以及下载研究报告。
最后，页面说明支持多个搜索引擎，并鼓励用户为相关组织提供支持，确保其能够继续提供有价值的服务。该项目遵循MIT许可证，欢迎贡献者提交请求。