Repolode
Enviar
langchain-ai

langchain-ai/local-deep-researcher

Asistente de investigación web completamente local que ejecuta ciclos iterativos de búsqueda, resumen y reflexión sobre lagunas de conocimiento con LLM servidos por Ollama o LM Studio.

Ver en GitHub
Estrellas
9,378
Forks
981
Issues abiertos
47
Último commit
hace 5 días

¿Qué es?

Local Deep Researcher recibe un tema de investigación, usa un LLM local para generar una consulta de búsqueda web, recopila resultados y los resume. Después, analiza el resumen para identificar lagunas de conocimiento, genera una consulta de seguimiento para cubrirlas y repite el proceso durante un número configurable de ciclos. El resultado final es un informe en markdown con las fuentes utilizadas, que se conservan en el estado de LangGraph.

El asistente ejecuta LLM a través de Ollama o del servidor compatible con OpenAI de LM Studio, de modo que los modelos permanecen en tu equipo. La búsqueda usa DuckDuckGo de forma predeterminada, sin necesidad de una API key, y se puede cambiar a SearXNG, Tavily o Perplexity mediante variables de entorno. Para los modelos que tienen dificultades con la salida JSON estructurada, hay un mecanismo alternativo.

El proyecto está basado en LangGraph y puedes ejecutarlo localmente con LangGraph Studio, que muestra cada paso del proceso de investigación. Incluye un Dockerfile, aunque Ollama debe ejecutarse por separado.

Funciones clave

  • 01Ejecuta LLM localmente a través de Ollama o LM Studio.
  • 02Busca, resume y reflexiona de forma iterativa para cubrir lagunas de conocimiento.
  • 03Usa DuckDuckGo de forma predeterminada, con búsqueda opcional mediante SearXNG, Tavily o Perplexity.
  • 04Genera un resumen en markdown con citas de todas las fuentes utilizadas.
  • 05Permite configurar el número de ciclos de investigación y la obtención del contenido completo de las páginas.

Casos de uso

  • Investigar un tema y mantener los prompts y los datos en tu propio equipo.
  • Crear prototipos de un agente de búsqueda y resumen de varios pasos con LangGraph.
  • Generar informes de contexto con citas sin necesitar una API key de búsqueda de pago.

Inicio rápido

  1. 1

    Clona el repositorio

    git clone https://github.com/langchain-ai/local-deep-researcher.git
  2. 2

    Entra en el directorio del proyecto y copia el archivo de entorno de ejemplo

    cd local-deep-researcher && cp .env.example .env
  3. 3

    Descarga un modelo local con Ollama (instala primero la aplicación de Ollama)

    ollama pull deepseek-r1:8b
  4. 4

    Inicia el servidor de LangGraph con uv

    uvx --refresh --from "langgraph-cli[inmem]" --with-editable . --python 3.11 langgraph dev

Antes de usarlo

  • Las instrucciones de configuración del README están dirigidas principalmente a Mac y Windows; la guía de Ollama se centra específicamente en Mac.
  • La calidad de los resultados depende del modelo local; algunos modelos tienen dificultades para generar la salida JSON estructurada requerida.
  • Para ejecutarlo, se necesita un servidor LLM local (Ollama o LM Studio) y hardware suficiente para ejecutar el modelo elegido.

Temas

#llm#local-llm#ollama#web-research#langgraph#rag#agent

Preguntas frecuentes

¿Qué es local-deep-researcher?
Asistente de investigación web completamente local que ejecuta ciclos iterativos de búsqueda, resumen y reflexión sobre lagunas de conocimiento con LLM servidos por Ollama o LM Studio. Local Deep Researcher recibe un tema de investigación, usa un LLM local para generar una consulta de búsqueda web, recopila resultados y los resume. Después, analiza el resumen para identificar lagunas de conocimiento, genera una consulta de seguimiento para cubrirlas y repite el proceso durante un número configurable de ciclos. El resultado final es un informe en markdown con las fuentes utilizadas, que se conservan en el estado de LangGraph.
¿local-deep-researcher es gratuito? ¿Qué licencia tiene?
local-deep-researcher es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.
¿local-deep-researcher sigue mantenido?
Mantenimiento activo. El último commit de local-deep-researcher fue el 15 oct 2026.
¿Para qué puedo usar local-deep-researcher?
Investigar un tema y mantener los prompts y los datos en tu propio equipo. Crear prototipos de un agente de búsqueda y resumen de varios pasos con LangGraph. Generar informes de contexto con citas sin necesitar una API key de búsqueda de pago.
¿Cómo se instala local-deep-researcher?
Clona el repositorio: git clone https://github.com/langchain-ai/local-deep-researcher.git Entra en el directorio del proyecto y copia el archivo de entorno de ejemplo: cd local-deep-researcher && cp .env.example .env Descarga un modelo local con Ollama (instala primero la aplicación de Ollama): ollama pull deepseek-r1:8b Inicia el servidor de LangGraph con uv: uvx --refresh --from "langgraph-cli[inmem]" --with-editable . --python 3.11 langgraph dev
¿Dónde consigo local-deep-researcher?
El código fuente y las instrucciones de instalación están en GitHub: https://github.com/langchain-ai/local-deep-researcher

Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.

Proyectos relacionados