Local Deep Research 完整安装教程本地部署 AI 深度研究助手的快速上手指南【免费下载链接】local-deep-research~95% on SimpleQA (e.g. Qwen3.6-27B on a 3090). Supports all local and cloud LLMs (llama.cpp, Ollama, Google, ...). 10 search engines - arXiv, PubMed, your private documents. Everything Local Encrypted.项目地址: https://gitcode.com/GitHub_Trending/lo/local-deep-research想给自己搭一个不依赖云端的 AI 研究助手吗Local Deep Research下称 LDR会把你的复杂问题拆成多轮搜索扫过网页、arXiv、PubMed 甚至你自己的文档最后给出一份带引用出处的报告。跟着这篇文章走你大概花 10 分钟就能在浏览器里看到它的第一份研究结果。它凭什么值得你花十分钟技术栈听起来很多但对用户来说就四个实在的好处技术点对你的实际收益接本地模型Ollama / LM Studio / llama.cpp推理全部在你机器上完成查询不出网数据自己留着10 搜索引擎聚合Wikipedia、arXiv、PubMed、SearXNG…一个问题同时查学术库和网页不用来回切网站SQLCipher 加密数据库AES-256每个用户一个独立加密库密码即密钥拿不走也看不懂研究源可下载进私有知识库查过的论文、网页自动入库、可检索越用越厚下面这张图是它检索你本地文档库时的界面后面你会亲手跑起来动手前30 秒环境自检先确认三件事Python 版本需要 3.12 ~ 3.14项目声明3.12,3.153.15 以上装不上包管理器pip 随 Python 3.12 自带网络装包和拉模型都要联网CPU 需要支持 AVX2011 年后的 Intel/AMD 基本都满足ARM64 完全支持一条命令自检看到版本号落在区间内就算过关python3 --version如果显示 3.11 或更低先装新版 Python 再继续后面的 pip 安装会直接报依赖冲突。三条命令跑起来LDR 推荐用 pip 安装官方包名就是local-deep-research无需克隆源码。想从源码跑也可以clone 仓库后在目录内执行pip install .但新手建议走 pip 路线。第 1 步装 LDR 本体pip install local-deep-research看到Successfully installed local-deep-research-...即成功。这一步同时装好了加密数据库所需的 SQLCipher 预编译轮子不用自己编译。第 2 步装并启动 Ollama 本地模型服务可选想用云端 LLM 可跳过ollama pull gemma3:12b ollama listollama list里出现gemma3:12b一行说明模型下载完成。Ollama 本体从官网安装装完默认监听http://localhost:11434。第 3 步起一个 SearXNG 做网页搜索后端搜索质量的关键docker run -d -p 8080:8080 --name searxng searxng/searxng终端立刻返回容器 ID、没有报错就算成功SearXNG 会在 8080 端口后台跑着。改两个配置项看到界面就赢了启动前设一个环境变量作用是告诉 LDR「我这个私网的 SearXNG 地址是可信的」。从 v1.10.3 起未标记批准的 localhost/内网搜索源会被默认拦截export LDR_SEARCH_ENGINE_WEB_SEARXNG_DEFAULT_PARAMS_INSTANCE_URLhttp://localhost:8080然后启动 Web 界面ldr-web几秒后打开http://localhost:5000看到登录/注册页就是成功了——首次使用在这里创建你的用户名和密码密码会被用来派生你的个人加密数据库密钥。也可以用python -m local_deep_research.web.app等价启动。登录后只剩一件事在 Settings → LLM 里选一个模型比如gemma3:12b。注意从 1.6.3 起模型项没有默认值不填的话发起研究会直接报未配置模型的错误这是故意设计避免你被静默下载几个 GB 的权重。全部配置项的自动文档在 docs/CONFIGURATION.md更详细的说明见 docs/env_configuration.md。卡住了5 个高频问题速查报错Error: max_workers must be greater than 0—— 意思是连不上你的 LLM。按顺序查Ollama 是否在跑、模型是否已 pull、Settings 里的模型名是否和ollama list一字不差。5000 端口被占用—— macOS Monterey 的 AirPlay Receiver 恰好占着 5000。Docker 用户把宿主端口映射改成5050:5000容器端口别动pip 用户则换端口后访问对应地址。No module named local_deep_research—— 包没装干净重装即可pip uninstall local-deep-research pip install local-deep-researchSearXNG 无结果日志出现instance URL … is a private / loopback—— 启动 LDR 的终端里没设那条LDR_SEARCH_ENGINE_WEB_SEARXNG_DEFAULT_PARAMS_INSTANCE_URL设上再重启。模型下载太慢——ollama pull走的是国外源耐心等或换gpt-oss:20b等更小权重先跑通流程之后随时可以在 Settings 里换模型其他选项不动。更多场景包括 Windows/WSL2 的 Docker 网络坑查 docs/faq.md。下一步界面跑通后先用 Quick Summary 模式提一个简单问题感受 30 秒到 3 分钟出带引用答案的完整链路再试 Detailed Research并挑几篇 arXiv 源下载进本地知识库。搜索源的完整清单在 docs/search-engines.md想用 Docker 一步到位的话看 docs/docker-compose-guide.md。【免费下载链接】local-deep-research~95% on SimpleQA (e.g. Qwen3.6-27B on a 3090). Supports all local and cloud LLMs (llama.cpp, Ollama, Google, ...). 10 search engines - arXiv, PubMed, your private documents. Everything Local Encrypted.项目地址: https://gitcode.com/GitHub_Trending/lo/local-deep-research创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考