local-deep-research

Local Deep Research(LDR)는 완전히 로컬 하드웨어에서 실행되는 심층적이고 에이전트적인 연구를 위해 설계된 오픈소스 AI 기반 연구 도우미입니다. 로컬 LLM(Ollama, llama.cpp, LM Studio 경유)과 클라우드 LLM(OpenAI, Google 등)을 모두 지원하며, arXiv, PubMed, Semantic Scholar, Wikipedia, SearXNG, GitHub, Wayback Machine 등 10개 이상의 검색 엔진과 통합됩니다. 주요 기능은 다음과 같습니다: - 다양한 연구 모드: Quick Summary, Detailed Research, Report Generation, Document Analysis - LLM이 무엇을 검색할지, 어떤 특화 엔진을 사용할지, 언제 결과를 종합할지 결정하는 LangGraph 기반 자율 에이전트 전략 - 연구 출처(학술 논문, 웹 페이지, 로컬 문서)로부터 시간이 지날수록 축적되는 개인 암호화 지식 베이스 구축 - 사용자 비밀번호에서 파생된 키로 AES-256 암호화된 사용자별 SQLCipher 데이터베이스; 비밀번호는 저장되지 않음 - 어떠한 종류의 텔레메트리, 분석, 추적도 없음 - Claude Desktop/Code 통합을 위한 REST API, Python API, MCP 서버 - 기존 벡터 스토어(FAISS, Chroma, Pinecone, Weaviate, Elasticsearch) 연결을 위한 LangChain retriever 통합 - 사용자 지정 일정에 따라 자동화된 AI 필터링 다이제스트를 제공하는 뉴스 및 연구 구독 - 212K+ 색인 출처와 약탈적 저널 탐지를 갖춘 저널 품질 점수 시스템 - PDF 또는 Markdown 내보내기, 연구 기록, 실시간 WebSocket 업데이트 - 구성 테스트 및 최적화를 위한 벤치마킹 도구 이 프로젝트는 단일 RTX 3090에서 Qwen3.6-27B를 사용하여 SimpleQA(n=500)에서 약 95% 정확도, xbench-DeepSearch(n=100)에서 77% 정확도를 보고합니다. Docker, Docker Compose 또는 pip install을 통해 배포할 수 있으며 Linux, macOS, Windows(WSL2)를 지원합니다. Docker 설정에는 cap_drop, no-new-privileges, 비루트 런타임, SLSA 출처 증명 및 SPDX SBOM이 포함된 서명된 이미지 등 보안 강화가 포함됩니다.