本地研究员技能

完全在本地运行的深度研究助手，无需将数据发送到云端 LLM 服务。支持 Ollama 和 LMStudio，迭代式网络研究，输出带引用的专业报告。

前置要求

安装 Ollama（推荐）

bash

macOS

brew install ollama

Linux

curl -fsSL https://ollama.com/install.sh | sh

拉取模型

ollama pull deepseek-r1:8b ollama pull llama3.2 ollama pull qwen:14b

或使用 LMStudio

1. 1. 下载 LMStudio
2. 下载并加载模型（如 qwenqwq-32b）
3. 进入 本地服务器 标签页
4. 启动 OpenAI 兼容 API 服务
5. 记下服务地址（默认: http://localhost:1234/v1）

安装本技能

bash

克隆仓库

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

创建虚拟环境

python -m venv .venv source .venv/bin/activate # Windows: .venv\Scripts\activate

安装依赖

pip install -e .

配置

复制环境变量模板并编辑：

bash
cp .env.example .env

编辑 .env 文件：

bash

LLM 提供商选择

LLM_PROVIDER=ollama

LLM_PROVIDER=lmstudio

Ollama 配置

OLLAMABASEURL=http://localhost:11434 LOCAL_LLM=deepseek-r1:8b

LMStudio 配置

LMSTUDIOBASEURL=http://localhost:1234/v1

LOCALLLM=qwenqwq-32b

搜索工具配置

SEARCH_API=duckduckgo # 默认，无需 API key

SEARCH_API=tavily

TAVILYAPIKEY=tvly-xxx

SEARCH_API=perplexity

PERPLEXITYAPIKEY=pplx-xxx

研究循环次数

MAXWEBRESEARCH_LOOPS=3

是否获取完整页面内容

FETCHFULLPAGE=true

使用方法

快速开始

bash

启动研究（交互模式）

python src/ollamadeepresearcher/main.py

或使用 LangGraph CLI

langgraph dev

程序化使用

python
from langgraph.graph import StateGraph
from ollamadeepresearcher.graph import graph

定义研究主题

topic = 量子计算在药物发现中的应用

配置参数

config = { llm_provider: ollama, local_llm: deepseek-r1:8b, search_api: duckduckgo, maxwebresearch_loops: 3, fetchfullpage: True }

运行研究

result = graph.invoke( {topic: topic}, config=config )

输出报告

print(result[final_summary])

核心功能

1. 迭代式深度研究

系统自动执行以下循环：

1. 1. 根据主题生成搜索查询
2. 执行网络搜索
3. 总结搜索结果
4. 反思总结，识别知识缺口
5. 生成新查询填补缺口
6. 重复直到达到最大循环次数

2. 多搜索源支持

搜索源	需要 API Key	特点
DuckDuckGo	❌ 不需要	默认选项，隐私友好
Tavily

✅ 需要 | 高质量搜索结果 | | Perplexity | ✅ 需要 | AI 增强搜索 | | SearXNG | ❌ 不需要 | 自托管选项 |

3. 输出格式

最终输出为 Markdown 格式报告，包含：

• - 执行摘要
• 详细研究发现
• 所有引用的来源链接
• 研究过程元数据

4. LangGraph Studio 可视化

bash

安装 LangGraph CLI

pip install langgraph-cli[inmem]

启动开发服务器

langgraph dev

打开浏览器访问 Studio UI，可实时观察研究流程：

• - 搜索查询生成
• 来源收集
• 总结迭代
• 最终报告生成

完整工作流示例

学术论文预研

python
import asyncio
from ollamadeepresearcher.graph import graph

async def researchpaperprep():
topic = Transformer 架构在生物信息学中的最新应用

config = {
llm_provider: ollama,
local_llm: deepseek-r1:14b, # 使用更大模型获得更好结果
search_api: duckduckgo,
maxwebresearch_loops: 5, # 更多轮次深入挖掘
fetchfullpage: True
}

result = await graph.ainvoke(
{topic: topic},
config=config
)

# 保存报告
with open(literature_review.md, w) as f:
f.write(result[final_summary])

# 打印引用的来源
print(参考来源:)
for source in result.get(sources, []):
print(f- {source})

return result

运行

result = asyncio.run(researchpaperprep())

市场调研报告

python
def marketresearch(productcategory: str):
生成市场调研报告

topic = f{product_category} 市场规模、主要竞争者和发展趋势 2024

config = {
llm_provider: ollama,
local_llm: qwen:14b,
search_api: tavily, # 使用 Tavily 获得更商业化的结果
tavilyapikey: tvly-xxx,
maxwebresearch_loops: 4,
fetchfullpage: True
}

result = graph.invoke(
{topic: topic},
config=config
)

return result[final_summary]

生成报告

report = market_research(新能源汽车) print(report)

技术趋势追踪

bash

使用命令行快速研究

cd local-deep-researcher
source .venv/bin/activate

创建研究脚本

python -c from ollamadeepresearcher.graph import graph

result = graph.invoke(
{topic: Rust 语言在系统编程领域的最新发展},
config={
llm_provider: ollama,
local_llm: llama3.2,
search_api: duckduckgo,
maxwebresearch_loops: 3
}
)

print(result[final_summary])

Docker 部署

bash

构建镜像

docker build -t local-researcher .

运行容器

docker run --rm -it -p 2024:2024 \ -e SEARCH_API=tavily \ -e TAVILYAPIKEY=tvly-xxx \ -e LLM_PROVIDER=ollama \ -e OLLAMABASEURL=http://host.docker.internal:11434/ \ -e LOCAL_LLM=llama3.2 \ local-researcher

注意：Ollama 需要在宿主机单独运行，容器通过 host.docker.internal 访问。

模型兼容性说明

模型	JSON 模式支持	备注
llama3.2	✅	推荐，轻量快速
deepseek-r1:8b

✅ | 推理能力强 | | qwen:14b | ✅ | 中文表现好 | | gpt-oss | ⚠️ | 需要启用 tool calling |

gpt-oss 模型特殊配置：
bash

gpt-oss 不支持 JSON 模式，需要启用 tool calling

USETOOLCALLING=true

故障排查

Ollama 连接问题

bash

检查 Ollama 服务状态

curl http://localhost:11434/api/tags

确保模型已下载

ollama list

测试模型

ollama run llama3.2 Hello

搜索结果为空

• - 检查网络连接
• 尝试更换搜索 API
• 调整搜索查询语言

生成质量不佳

• - 使用更大的模型（如 14B 参数以上）
• 增加 MAXWEBRESEARCHLOOPS
• 启用 FETCHFULL_PAGE 获取更完整内容

隐私与安全

• - ✅ 所有数据留在本地
• ✅ 无需联网到