DeepResearch 终于本地化了！8B 端侧写作智能体 AgentCPM-Report 开源！-平芜编程栈

在深度研究（DeepResearch）席卷而来的今天，我们都渴望拥有一位可以综合复杂信息、自动撰写万字长文的个人专属“超级写作助手”。但当你手握公司明年的战略规划、未公开的财务报表，或是涉及核心机密的科研数据时，你真的敢把它们上传到云端吗？

这正是当前深度调研面临的最大问题：想要顶级的深度调研能力，就必须依赖云端大模型，意味着要让重要数据“裸奔”；想要数据绝对安全，选择断网或本地小模型，生成的报告往往又逻辑浅薄、难堪大用。

数据隐私与深度洞察，真的不可兼得吗？

现在，有了一个破局的答案：AgentCPM-Report，一个本地化、私有化、却拥有 SOTA 性能的深度调研智能体。它由清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发，以端侧模型为核心，实现了比肩顶级闭源系统的报告写作能力。这意味着，你无需昂贵的算力集群，更无需通过网络上传任何信息，就能在本地拥有一个专家级的调研助手。

目前该项目已同步开源至 AtomGit，方便国内开发者快速获取、协同共建。

👉 项目地址：

https://ai.gitcode.com/OpenBMB/AgentCPM-Report

https://ai.gitcode.com/OpenBMB/AgentCPM-Report-GGUF

🌟 AgentCPM-Report 亮点：

极致效能，以小博大：通过平均40轮的深度检索与近100轮的思维链推演，实现对信息的全方位挖掘与重组，让端侧模型也能产出逻辑严密、洞察深刻的万字长文，在深度调研任务上以8B参数规模达成与顶级闭源系统的性能对标。
物理隔绝，本地安全：专为高隐私场景设计，支持完全离线的本地化敏捷部署，彻底杜绝云端泄密风险。基于我们的 UltraRAG 框架，它能高效挂载并理解您的本地私有知识库，让核心机密数据在“不出域”的前提下，安全地转化为极具价值的专业决策报告。

🔗 UltraRAG 框架开源地址：https://atomgit.com/OpenBMB/UltraRAG

一、写作能力对标闭源最强标杆

在 DeepResearch Bench、Deep Consult 以及 DeepResearch Gym 三大主流深度调研评测基准中，AgentCPM-Report展现了惊人的越级战斗力，综合评分达到甚至超越顶级闭源系统。在最考验深度的洞察性指标上，AgentCPM-Report 力压群雄，排名第一；而在全面性指标上，也仅次于基于 Claude 的复杂写作框架，位居第一梯队。

二、从零构建《三体》“面壁计划”深度报告

光看跑分不够，我们直接上实战。要求 AgentCPM-Report 以三体原文为知识库，生成一篇关于“面壁计划”来龙去脉的调查报告。在视频中，您将看到它从线索挖掘、大纲规划到万字长文撰写的全过程：

三、极简部署教程

配合 UltraRAG 框架一键部署，你就能拥有专属的深度调研助手：

Docker 一键拉起：通过 Docker 可在本地光速启动 UltraRAG 服务与 AgentCPM 智能体；
拖拽式构建知识库：无需编写代码，直接将本地的 PDF、TXT 等私有文档拖入后台，系统自动完成切片与向量化索引；
沉浸式深度调研：输入研究课题，即可让智能体生成结构化、带引用的专业报告。

演示视频

四、技术解密：端侧模型如何“以弱胜强”？

AgentCPM-Report 之所以能以 8B 参数媲美闭源系统源于两大技术创新：

创新一：“写作即推理”模式，让思考更贴近人脑

传统方案试图让模型“一口气”生成完整大纲或内容，容易造成产出报告的逻辑崩塌，对于小模型来说是更是难上加难。AgentCPM-Report 创新性地采用了“边写作，边规划”的迭代精炼框架打破这一局限：

两阶段循环：系统在 “起草” 与 “深化” 两个状态间不断交替。就像人类专家一样，写完一段草稿后，会立即停下来反思：“有没有需要补充的地方？侧重点应该是怎样的？”，然后回头扩展章节、补充检索、填充新内容。
渐进式优化：将宏大的万字长文任务，拆解为一系列可执行的微小目标。模型在每一轮循环中只需解决当下的局部问题，从而在较小的参数规模条件下产出逻辑严密、细节丰富的长篇报告。