如何免费安装 Local Deep Research：本地 AI 深度研究助手部署指南
【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
Local Deep Research（LDR）是一个开源的本地 AI 研究助手：你抛给它一个复杂问题，它自动上网和学术库检索，再汇总成一份带引用的研究报告。它适合想在自己机器上免费搭建「深度研究」工具、又不想把查询数据交给外部服务的开发者和个人用户。
它帮你解决什么问题
多数在线 Deep Research 服务会收集你的查询和数据，而且按次收费。LDR 把整条链路搬回本地：检索走你自选的引擎（arXiv、PubMed、Wikipedia、SearXNG 等 10+ 个），大模型可以完全跑在本地（Ollama 上的 Qwen、Llama 等），数据库用 SQLCipher 做 AES-256 加密，官方声明无任何遥测和追踪。当你需要把一个开放问题变成带引用的研究报告、还想顺便把下载的资料沉淀成私人知识库时，它就是为此设计的。
动手前的环境预检
安装前把这几项过一遍，能避开大部分问题：
- Docker + Docker Compose：推荐路线依赖 Docker（官方明确建议 Docker 优先，依赖自动处理）
- CPU 要求：x86-64 需要支持 AVX 指令集（Intel Sandy Bridge / AMD Bulldozer，2011 年及以后），ARM64 全支持
- Python 版本（仅 pip 方式）：
>=3.12,<3.15，Docker 路线无此要求 - 网络：首次拉取 Ollama、SearXNG 和 LDR 镜像需要能访问 Docker Hub
- 端口：Web 界面默认5000，Ollama 在11434，SearXNG 在8080
从零到一：安装与配置
① 克隆仓库并拉起全栈
一条 Compose 命令同时启动 LDR、Ollama 和 SearXNG，省去逐个配置：
# 克隆项目仓库 git clone https://gitcode.com/GitHub_Trending/lo/local-deep-research cd local-deep-research # 启动 LDR + Ollama + SearXNG 三个容器 docker compose up -d判断成功：docker compose ps显示容器都在运行状态。有 NVIDIA GPU 的 Linux 用户可以再叠加docker-compose.gpu.override.yml启用加速，参考 Docker 安装文档。
② 确认模型已就绪（Compose 会自动拉取）
Compose 文件默认使用gemma3:12b模型，首次启动时自动下载，需要几分钟。你也可以换模型：
# 指定其他 Ollama 模型，如 gpt-oss:20b MODEL=gpt-oss:20b docker compose up -d判断成功：容器日志里出现 Ollama 模型拉取完成的记录。
③ 配置搜索引擎（可选）
默认搜索已内置，但想要更好的网页搜索结果，需要审批 SearXNG 实例地址——自 v1.10.3 起，私网/localhost 地址会被默认拦截。Compose 已帮你配好，手动部署 Docker 时则要显式传入：
# 指定 SearXNG 地址并标记为运维审批 -e LDR_SEARCH_ENGINE_WEB_SEARXNG_DEFAULT_PARAMS_INSTANCE_URL=http://localhost:8080④ 用 pip 安装（可选）
如果你是开发者、想把 LDR 集成进现有 Python 项目，可以走 pip 路线。它可选的原因是官方更推荐 Docker（自动处理 SQLCipher 等原生依赖）：
# 安装 Python 包并启动 Web 界面 pip install local-deep-research python -m local_deep_research.web.app更多细节见 pip 安装指南。
第一次启动：30 秒自检
启动约 30 秒后，打开浏览器访问http://localhost:5000，看到登录/注册页即说明服务已就绪。创建账号后进入Settings → LLM确认模型已选中（新版本不再默认填充模型，没选会在研究时明确报错），然后随便发起一个 Quick Summary 查询。30 秒到 3 分钟内收到带引用链接的摘要，整条链路就通了。
常见坑与快速修复
1. SearXNG 搜索无结果症状是日志出现SearXNG engine disabled: instance URL … is a private / loopback address，原因是环境变量里缺少实例地址审批配置。修复：按上面第 ③ 步补上LDR_SEARCH_ENGINE_WEB_SEARXNG_DEFAULT_PARAMS_INSTANCE_URL，再重启容器。
2. 页面打不开，报 Connection refused多半是 5000 端口被占用或容器未起。先docker compose ps看状态，再确认本机 5000 端口无冲突；Mac/Windows 的 Docker Desktop 上不要使用--network host，参见 FAQ。
3. 提示连不上 Ollama症状为 "Failed to connect to Ollama"。修复一行命令验证服务：
# 检查 Ollama 是否在线 curl http://localhost:11434/api/tags返回已拉取的模型列表即正常；容器内访问宿主机 Ollama 时要把地址换成http://host.docker.internal:11434。
继续深入
配置项全量清单在 完整配置参考，支持 arXiv、PubMed、Semantic Scholar 等引擎的选型逻辑在 搜索引擎指南。跑通之后，建议先试一次 Detailed Research 模式，感受 agentic 策略在学术问题上的差距。
【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
