繁中
English繁中

完全本地化的網絡研究和報告撰寫助理

作者: /

Olama Deep Researcher是由LangChain團隊開發的一個開源項目，旨在提供完全本地化的網絡研究和報告撰寫助理。該工具將本地大型語言模型（LLM）和網絡搜尋引擎相結合，自動執行信息檢索、總結和疊代優化，並最終生成包含引用來源的Markdown格式研究報告。

項目核心功能

  • 完全本地化運營：使用Olama或LMStudio託管的本地LLM來確保數據隱私，而無需將數據發送到雲。
  • 智能疊代研究：通過多輪疊代（默認3輪，可配置）自動優化搜索策略，以填補知識空白。
  • 多個搜尋引擎支持：默認使用DuckDuckGo，也可以將Tavily或Perplexity配置為搜尋引擎。
  • 可視化研究過程：通過LangShape Studio實時監控研究進展，包括生成搜索結果、摘要和最終報告。
  • 學術產出：自動生成Markdown格式的研究報告，並提供完整的引用，以供進一步編輯和共享。

工作流程概述

  1. 生成搜索查詢：用戶輸入研究主題後，LLM生成初始網絡搜索查詢。
  2. 獲取並總結搜索結果：通過配置的搜尋引擎獲取相關網絡內容，並由LLM進行匯總。
  3. 識別知識差距并迭代優化：LLM分析摘要、識別信息差距、生成新的搜索查詢，並重複上述步驟進行優化。
  4. 生成最終報告：經過多次疊代，生成包含所有引用來源的Markdown格式研究報告。

快速入門指南（以Mac為例）

  1. 安裝Ollama應用程式：來自 奧拉馬官方網站 下載並安裝Mac應用程式。
  2. 拉動當地LLM模型：例如，使用以下命令拉取DeepSeek R1模型： 
    ollama pull Deepseek-r1：8b

    (GitHub - langchain-ai/local-deep-researcher：完全本地化的網絡研究和報告撰寫助手)

  3. 配置搜尋引擎API（可選）：註冊Tavily，獲取API密鑰，設置環境變量 TAVILY_API_Key。
  4. 克隆項目並開始服務： 
    git克隆https://github.com/langchain-ai/ollama-deep-researcher.git
CD奧拉瑪深度研究員
Python -m venv .venv
source .venv/bin/activate
pip install -e .
語言開發

    (GitHub - langchain-ai/ollama-deep-research：完全本地的網絡研究和報告撰寫助理)

  5. 訪問Langstra Studio：在瀏覽器中打開 http://127.0.0.1:2024，進入LangDraw Studio，配置研究參數並開始使用它們。(Ÿ，)

項目靈感和技術背景

Olama Deep Researcher的設計靈感來自IterDRAG方法，該方法將查詢分解為子查詢，逐步獲取和總結信息，構建完整的知識圖譜。該項目使用LangShape構建研究流程圖，並結合本地LLM實現自動化信息檢索和總結。(ollama-deep-research/README.md at main · langchain-ai/ollama-deep-research· GitHub, [AIŸ]奧拉馬深度研究員-Ÿ Ÿ)

📁項目資源和連結

Github：https://github.com/langchain-ai/ollama-deep-researcher

輸油管：

返回頂端