Repolode
Предложить
langchain-ai

langchain-ai/local-deep-researcher

Полностью локальный веб-ассистент для исследований: выполняет циклы поиска, суммаризации и анализа пробелов с помощью LLM, запущенных через Ollama или LM Studio.

Открыть на GitHub
Звёзды
9,378
Форки
981
Открытые issues
47
Последний коммит
5 дней назад

Что это?

Local Deep Researcher получает тему исследования, с помощью локальной LLM формирует поисковый запрос, собирает результаты и суммирует их. Затем он анализирует получившееся резюме, выявляет пробелы в знаниях, генерирует уточняющий запрос и повторяет процесс заданное число циклов. В итоге создаётся отчёт в формате Markdown со списком использованных источников, а все собранные источники сохраняются в состоянии LangGraph.

Ассистент запускает LLM через Ollama или OpenAI-совместимый сервер LM Studio, поэтому модели работают на вашем компьютере. По умолчанию для поиска используется DuckDuckGo, не требующий API-ключа. Поиск можно переключить на SearXNG, Tavily или Perplexity с помощью переменных окружения. Для моделей, которым сложно выдавать структурированный JSON, предусмотрен механизм fallback.

Проект построен на LangGraph и запускается локально через LangGraph Studio, где можно увидеть каждый этап исследования. В комплект входит Dockerfile, но Ollama нужно запускать отдельно.

Ключевые возможности

  • 01Запускает LLM локально через Ollama или LM Studio.
  • 02Выполняет итеративный поиск, суммаризацию и анализ, чтобы восполнять пробелы в знаниях.
  • 03По умолчанию использует DuckDuckGo; доступны также SearXNG, Tavily и Perplexity.
  • 04Формирует сводку в формате Markdown со ссылками на все использованные источники.
  • 05Позволяет настроить число циклов исследования и загрузку полных страниц.

Сценарии использования

  • Исследовать тему, не передавая запросы и данные за пределы своего компьютера.
  • Создавать прототипы многоэтапных агентов для поиска и суммаризации на LangGraph.
  • Готовить справочные отчёты со ссылками на источники без платного API-ключа для поиска.

Быстрый старт

  1. 1

    Клонируйте репозиторий

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

    Перейдите в каталог проекта и скопируйте пример файла окружения

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

    Загрузите локальную модель с помощью Ollama (сначала установите приложение Ollama)

    ollama pull deepseek-r1:8b
  4. 4

    Запустите сервер LangGraph с помощью uv

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

Что важно знать

  • Инструкции по настройке в README предназначены в основном для Mac и Windows, а руководство по Ollama — конкретно для Mac.
  • Качество вывода зависит от локальной модели; некоторым моделям сложно генерировать требуемый структурированный вывод в формате JSON.
  • Для запуска необходим локальный LLM-сервер (Ollama или LM Studio) и оборудование, достаточное для работы выбранной модели.

Темы

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

Частые вопросы

Что такое local-deep-researcher?
Полностью локальный веб-ассистент для исследований: выполняет циклы поиска, суммаризации и анализа пробелов с помощью LLM, запущенных через Ollama или LM Studio. Local Deep Researcher получает тему исследования, с помощью локальной LLM формирует поисковый запрос, собирает результаты и суммирует их. Затем он анализирует получившееся резюме, выявляет пробелы в знаниях, генерирует уточняющий запрос и повторяет процесс заданное число циклов. В итоге создаётся отчёт в формате Markdown со списком использованных источников, а все собранные источники сохраняются в состоянии LangGraph.
local-deep-researcher можно использовать бесплатно? Какая у него лицензия?
local-deep-researcher распространяется с открытым исходным кодом под лицензией MIT. Перед использованием в коммерческих продуктах проверьте условия лицензии.
local-deep-researcher всё ещё поддерживается?
Активно поддерживается. Последний коммит в local-deep-researcher — 15 окт. 2026 г..
Для чего можно использовать local-deep-researcher?
Исследовать тему, не передавая запросы и данные за пределы своего компьютера. Создавать прототипы многоэтапных агентов для поиска и суммаризации на LangGraph. Готовить справочные отчёты со ссылками на источники без платного API-ключа для поиска.
Как установить local-deep-researcher?
Клонируйте репозиторий: git clone https://github.com/langchain-ai/local-deep-researcher.git Перейдите в каталог проекта и скопируйте пример файла окружения: cd local-deep-researcher && cp .env.example .env Загрузите локальную модель с помощью Ollama (сначала установите приложение Ollama): ollama pull deepseek-r1:8b Запустите сервер LangGraph с помощью uv: uvx --refresh --from "langgraph-cli[inmem]" --with-editable . --python 3.11 langgraph dev
Где скачать local-deep-researcher?
Исходный код и инструкции по установке — на GitHub: https://github.com/langchain-ai/local-deep-researcher

Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.

Похожие проекты