LearningCircuit/local-deep-research
摘要
一款注重隐私的本地深度研究工具，支持多种大语言模型（LLM）和搜索引擎，在保持数据加密和本地化的同时，在问答任务上实现高精度。
在 SimpleQA 上达到约 95% 的准确率（例如在 RTX 3090 上运行 Qwen3.6-27B）。支持所有本地和云端大语言模型（llama.cpp、Ollama、Google 等）。支持 10 多种搜索引擎，涵盖 arXiv、PubMed 以及您的私有文档。所有操作均在本地完成且经过加密处理。
相似文章
@tom_doerr: 使用LLMs对私有数据进行深度研究的自动化 https://github.com/zilliztech/deep-searcher…
DeepSearcher 是一个开源工具，结合了LLMs和向量数据库，能够对私有数据进行深度研究，为企业知识管理和智能问答系统提供准确的答案和报告。
@tom_doerr: 本地LLM工具和硬件精选列表 https://github.com/0xSojalSec/LLMs-local…
一份精选列表，包含用于本地运行大语言模型的平台、工具、模型、硬件和资源，托管在GitHub上。
langchain-ai/open_deep_research
Open Deep Research是LangChain开发的一个可配置、完全开源深度研究代理，支持多种模型提供商、搜索工具和MCP服务器，在Deep Research Bench排行榜上取得了具有竞争力的性能。
Deepseek v4 Flash 确实惊艳，正准备入手一台 2.5 万美元的电脑
作者称赞 DeepSeek V4 Flash 实现了高性能的本地大语言模型部署，为此计划斥资 2.5 万美元采购硬件，以为对数据隐私要求严格的客户服务。
@LottoLabs: https://x.com/LottoLabs/status/2064185127782232135
LocalMaxxing 是一个社区基准测试平台，用于本地 LLM 推理，帮助用户比较硬件、速度和配置。LottoLabs 团队阐述了他们的愿景，即通过更好的基准测试、评估和可访问的部署，使本地推理基础设施变得普遍。