本地AI深度研究助手Local Deep Research

发表于 分类于 Waline： 阅读次数： 本文字数： 4.1k 阅读时长 ≈ 4 分钟
Local Deep Research 是一个开源的 AI 深度研究助手，支持本地 LLM 和多种搜索引擎，数据完全本地加密存储。

简介

什么是 Local Deep Research ？

Local Deep Research 是一个开源的 AI 深度研究助手，可以自动执行复杂的研究任务，支持多种本地和云端 LLM，以及 10+ 种搜索引擎。所有数据使用 SQLCipher 加密存储，确保隐私安全。

主要特点

  • 本地优先：支持 Ollama、LM Studio、llama.cpp 等本地 LLM，数据完全不离开你的机器
  • 多搜索引擎：支持 arXiv、PubMed、Semantic Scholar、SearXNG、Brave Search 等 10+ 种搜索引擎
  • 智能研究策略：提供 20+ 种研究策略，从快速摘要到深度分析，包括自主决策的 LangGraph Agent 模式
  • 知识库构建：自动下载、索引和嵌入研究资料，构建可搜索的个人知识库
  • 加密存储：每个用户独立的 SQLCipher 数据库，使用 AES-256 加密（Signal 级别安全）
  • SimpleQA ~95%：在单张 RTX 3090 上运行 Qwen3.6-27B 达到 95.7% 准确率
  • MCP 服务器：支持Claude Code 等 AI 助手集成，但只支持 STDIO 传输
  • 开源免费：基于 MIT 协议开源，可免费使用和修改

应用场景

  • 学术研究：自动搜索 arXiv、PubMed 等学术数据库，快速了解研究前沿
  • 技术调研：收集 GitHub、Stack Overflow 等技术资源，生成技术方案对比报告
  • 市场分析：搜索行业资讯、新闻报道，生成市场趋势分析报告
  • 文献综述：批量下载和分析学术论文，自动生成文献综述
  • 竞品分析：收集竞品信息、用户评价，生成竞品对比报告
  • 个人知识管理：构建私有知识库，长期积累和检索研究资料

Local Deep Research 是一个功能强大的 AI 研究助手，让普通用户也能享受到类似 Perplexity 的深度研究能力，同时完全掌控自己的数据

安装

在群晖上以 Docker 方式安装。

在注册表中搜索 localdeepresearch ，选择第一个 localdeepresearch/local-deep-research，版本选择 latest。

本文写作时， latest 版本对应为 1.7.0；

老苏的群晖性能有限，本地运行 LLM 会比较吃力，所以这里使用了第三方 OpenAI 兼容 API（如 SiliconFlow、OpenRouter 等），把推理压力交给云端。

目前硅基流动（SiliconFlow）注册就送 16 元的代金券

注册地址：

https://cloud.siliconflow.cn/i/NkUiXVhQ

而且 nex-agi/Nex-N2-Pro 模型现在限免中

项目包含 3个服务（LDR 主应用、Ollama、SearXNG），老苏简化成了 2 个，建议使用 docker-compose 进行部署，可以自动处理服务间的依赖关系。

docker-compose 安装

采用 docker-compose 安装，将下面的内容保存为 docker-compose.yml 文件

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
services:
  local-deep-research:
    image: localdeepresearch/local-deep-research:latest
    container_name: ldr-web
    restart: unless-stopped
    ports:
      - "5772:5000"
    volumes:
      - ./ldr_data:/data
      - ./ldr_scripts:/scripts
    environment:
      - LDR_SEARCH_ENGINE_WEB_SEARXNG_DEFAULT_PARAMS_INSTANCE_URL=http://searxng:8080
      - LDR_LLM_PROVIDER=openai_endpoint
      - LDR_LLM_OPENAI_ENDPOINT_URL=https://api.siliconflow.cn/v1
      - LDR_LLM_OPENAI_ENDPOINT_API_KEY=sk-or-v1-YOUR_API_KEY_HERE
      - LDR_LLM_MODEL=nex-agi/Nex-N2-Pro
        
    # Allow SQLCipher mlock() without noisy kernel warnings
    ulimits:
      memlock:
        soft: -1
        hard: -1
    security_opt:
      - "no-new-privileges:true"
    cap_drop:
      - ALL
    cap_add:
      - CHOWN        # chown -R ldruser:ldruser /data
      - FOWNER       # chmod on files not owned by root (after chown to ldruser)
      - DAC_OVERRIDE # mkdir in /home/ldruser (.config dir, mode 755 = no write for others)
      - SETUID       # setpriv setuid() syscall to switch to ldruser
      - SETGID       # setpriv setgid() syscall to switch group
    depends_on:
      searxng:
        condition: service_started

  searxng:
    image: searxng/searxng:latest@sha256:6dd0dffc05a75d92bbacd858953b4e93b8f709403c3fb1fb8a33ca8fd02e40a4
    container_name: ldr-searxng
    restart: unless-stopped
    security_opt:
      - "no-new-privileges:true"
    healthcheck:
      test: ["CMD", "wget", "-qO-", "http://localhost:8080/healthz"]
      interval: 30s
      timeout: 10s
      start_period: 30s
      retries: 3
    volumes:
      - ./searxng_data:/etc/searxng

环境变量的简单说明

变量名 值 说明
LDR_SEARCH_ENGINE_WEB_SEARXNG_DEFAULT_PARAMS_INSTANCE_URL http://searxng:8080 SearXNG 搜索引擎地址（Docker 内部网络）
LDR_LLM_PROVIDER openai_endpoint LLM 提供商，使用 OpenAI 兼容接口
LDR_LLM_OPENAI_ENDPOINT_URL https://api.siliconflow.cn/v1 API 地址，填入你使用的平台地址，这里填了硅基流动的地址
LDR_LLM_OPENAI_ENDPOINT_API_KEY sk-or-v1-xxx API Key，替换为你的真实密钥
LDR_LLM_MODEL nex-agi/Nex-N2-Pro 模型名称，根据平台支持填写，这里填了限免的模型

更多的环境变量说明，请参考官方文档：https://github.com/LearningCircuit/local-deep-research/blob/main/docs/env_configuration.md

然后通过 SSH 登录到您的群晖，执行下面的命令：

1
2
3
4
5
6
7
8
9
10
# 新建文件夹 ldr 和 子目录
mkdir -p /volume1/docker/ldr/{ldr_data,ldr_scripts,searxng_data}

# 进入 ldr 目录
cd /volume1/docker/ldr

# 将 docker-compose.yml 放入当前目录

# 一键启动
docker-compose up -d

运行

在浏览器中访问 http://<群晖IP>:5772 即可看到登录界面。

第一次需要注册一个新账户

登录后的主界面

在 Research Query 中可以输入研究问题，例如： 什么是量子计算？

下拉可以看到默认的研究模式和大模型设置

  • Quick Summary：30 秒到 3 分钟快速回答，适合简单问题
  • Detailed Research：5-15 分钟深度分析，适合复杂研究
  • Report Generation：10-30 分钟生成完整报告，适合正式输出

继续下拉找到 Start Research 启动研究

等待结果

可以看到处理过程

等完成之后

点 View Results 查看结果

其他的功能可以慢慢摸索

注意事项

  1. 模型选择：如果使用 Ollma ，推荐使用 Qwen3.6-27B 或 Gemma3:12B，需要至少 16GB 显存或 32GB 内存
  2. 存储空间：Ollama 模型需要 5-15GB 空间，确保群晖有足够存储
  3. GPU 加速：如有 NVIDIA GPU，并且使用了 Ollama 服务，可额外加载 docker-compose.gpu.override.yml 启用硬件加速
  4. 端口冲突：默认使用 5000 端口，如需修改请在 docker-compose.yml 中调整 ports 配置
  5. 网络要求：首次使用需要联网下载模型，之后可以完全离线使用
  6. 安全建议：生产环境建议设置 LDR_APP_ALLOW_REGISTRATIONS=false 禁止公开注册

参考文档

LearningCircuit/local-deep-research: AI-powered research assistant for deep, agentic research
地址：https://github.com/LearningCircuit/local-deep-research

localdeepresearch/local-deep-research - Docker Hub
地址：https://hub.docker.com/r/localdeepresearch/local-deep-research