প্রকল্প সম্পর্কে

লোকাল ডিপ রিসার্চ (LDR) হলো একটি ওপেন-সোর্স AI-চালিত গবেষণা সহায়ক, যা সম্পূর্ণভাবে লোকাল হার্ডওয়্যারে চলে এমন গভীর, এজেন্টিক গবেষণার জন্য ডিজাইন করা হয়েছে। এটি লোকাল LLM (Ollama, llama.cpp, LM Studio-এর মাধ্যমে) এবং ক্লাউড LLM (OpenAI, Google, ইত্যাদি) উভয়ই সমর্থন করে, এবং arXiv, PubMed, Semantic Scholar, Wikipedia, SearXNG, GitHub, Wayback Machine সহ ১০টিরও বেশি সার্চ ইঞ্জিনের সাথে সংযুক্ত হয়। প্রধান সক্ষমতাগুলোর মধ্যে রয়েছে: - একাধিক গবেষণা মোড: কুইক সামারি, ডিটেইলড রিসার্চ, রিপোর্ট জেনারেশন, এবং ডকুমেন্ট অ্যানালাইসিস - LangGraph-ভিত্তিক স্বায়ত্তশাসিত এজেন্ট কৌশল, যেখানে LLM সিদ্ধান্ত নেয় কী সার্চ করবে, কোন বিশেষায়িত ইঞ্জিন ব্যবহার করবে, এবং কখন ফলাফল সংশ্লেষণ করবে - গবেষণা উৎস (একাডেমিক পেপার, ওয়েব পেজ, লোকাল ডকুমেন্ট) থেকে ব্যক্তিগত এনক্রিপ্টেড নলেজ বেস তৈরি, যা সময়ের সাথে সমৃদ্ধ হয় - প্রতি-ব্যবহারকারী SQLCipher ডেটাবেস AES-256 দিয়ে এনক্রিপ্টেড, কী ব্যবহারকারীর পাসওয়ার্ড থেকে উদ্ভূত; পাসওয়ার্ড কখনো সংরক্ষণ করা হয় না - কোনো ধরনের টেলিমেট্রি, অ্যানালিটিক্স, বা ট্র্যাকিং নেই - Claude Desktop/Code ইন্টিগ্রেশনের জন্য REST API, Python API, এবং MCP সার্ভার - বিদ্যমান ভেক্টর স্টোর (FAISS, Chroma, Pinecone, Weaviate, Elasticsearch) সংযুক্ত করার জন্য LangChain রিট্রিভার ইন্টিগ্রেশন - কাস্টমাইজযোগ্য সময়সূচিতে স্বয়ংক্রিয় AI-ফিল্টারড ডাইজেস্টসহ নিউজ ও গবেষণা সাবস্ক্রিপশন - ২১২K+ ইনডেক্সড উৎস এবং প্রিডেটরি জার্নাল সনাক্তকরণসহ জার্নাল কোয়ালিটি স্কোরিং সিস্টেম - PDF বা Markdown-এ এক্সপোর্ট, গবেষণা ইতিহাস, এবং রিয়েল-টাইম WebSocket আপডেট - কনফিগারেশন পরীক্ষা ও অপ্টিমাইজ করার জন্য বেঞ্চমার্কিং টুলস প্রকল্পটি জানায় যে একটি RTX 3090-এ Qwen3.6-27B ব্যবহার করে SimpleQA-তে (n=500) ~৯৫% নির্ভুলতা এবং xbench-DeepSearch-এ (n=100) ৭৭% নির্ভুলতা পাওয়া যায়। এটি Docker, Docker Compose, বা pip install-এর মাধ্যমে ডিপ্লয় করা যায়, এবং Linux, macOS, ও Windows (WSL2) সমর্থন করে। Docker সেটআপে cap_drop, no-new-privileges, নন-রুট রানটাইম, এবং SLSA প্রোভেন্যান্স অ্যাটেস্টেশন ও SPDX SBOMসহ স্বাক্ষরিত ইমেজের মাধ্যমে নিরাপত্তা হার্ডেনিং অন্তর্ভুক্ত।