GitHub 热门项目: local-deep-researcher

GitHub 项目：local-deep-researcher 仓库地址：https://github.com/langchain-ai/local-deep-researcher 星级：9195 | 作者：langchain-ai 项目描述：完全本地化的网络研究和报告写作助手 =================================================== 自述文件内容： # 本地深度研究员 Local Deep Researcher 是一个完全本地化的网络研究助手，它使用由 [Ollama](https://ollama.com/search) 或 [LMStudio](https://lmstudio.ai/) 托管的任何 LLM。给它一个主题，它将生成一个网络搜索查询，收集网络搜索结果，总结网络搜索结果，反思总结以检查知识差距，生成新的搜索查询来解决知识差距，并重复用户定义的循环次数。它将向用户提供最终的降价摘要以及用于生成摘要的所有来源。  简短的摘要视频： ## ? 更新 * 8/6/25: 添加了对工具调用和 [gpt-oss](https://openai.com/index/introducing-gpt-oss/) 的支持。 > ⚠️ **警告 (8/6/25)**： `gpt-oss` 模型不支持 Ollama 中的 JSON 模式。在配置中选择“use_tool_calling”以使用工具调用而不是JSON模式。 ## ? 视频教程 看看它的实际应用还是自己构建？查看这些有用的视频教程： - [使用 R1 的本地深度研究员概述](https://www.youtube.com/watch?v=sGUjmyfof4Q) - 加载并测试 [DeepSeek R1](https://api-docs.deepseek.com/news/news250120) [蒸馏模型](https://ollama.com/library/deepseek-r1)。 - [从头开始构建本地深度研究员](https://www.youtube.com/watch?v=XGuTzHoqlj8) - 概述如何构建。 ## ? 快速入门 克隆存储库： ````外壳 git 克隆 https://github.com/langchain-ai/local-deep-researcher.git cd 本地深度研究员 ```` 然后编辑`.env`文件以根据您的需要自定义环境变量。这些环境变量控制模型选择、搜索工具和其他配置设置。当您运行应用程序时，这些值将通过“python-dotenv”自动加载（因为“langgraph.json”指向“env”文件）。 ````外壳 cp .env.example .env ```` ### 使用 Ollama 选择本地模型 1. [此处](https://ollama.com/download) 下载 Mac 版 Ollama 应用程序。 2. 从 [Ollama](https://ollama.com/search) 获取本地法学硕士。作为一个[示例](https://ollama.com/library/deepseek-r1:8b)： ````外壳 ollama 拉 deepseek-r1:8b ```` 3. （可选）使用以下 Ollama 配置设置更新“.env”文件。 * 如果设置，这些值将优先于“configuration.py”中“Configuration”类中设置的默认值。 ````外壳 LLM_PROVIDER=llama OLLAMA_BASE_URL="http://localhost:11434" # Ollama 服务端点，默认为 `http://localhost:11434` LOCAL_LLM=model # 要使用的模型，如果未设置则默认为 `llama3.2` ```` ### 使用 LMStudio 选择本地模型 1. 从[此处](https://lmstudio.ai/)下载并安装LMStudio。 2. 在LMStudio中： - 下载并加载您喜欢的模型（例如 qwen_qwq-32b） - 转到“本地服务器”选项卡 - 启动se