ローカル・ディープ・リサーチ：詳細な調査レポートを作成するためのローカルで実行可能なツール

はじめに

Local Deep Researchは、ユーザーが複雑な問題に対して深いリサーチを行い、詳細なレポートを作成することを支援するために設計されたオープンソースのAIリサーチアシスタントです。ローカルでの操作をサポートしており、ユーザーはクラウドサービスに依存することなく研究タスクを完了できる。このツールは、ローカルの大規模言語モデリング（LLM）と、学術データベース、ウィキペディア、ウェブコンテンツなどのソースをカバーするさまざまな検索機能を組み合わせています。ユーザーは簡単なインストールと設定により、引用を含む包括的なレポートを素早く作成することができる。このプロジェクトは、プライバシー保護と柔軟性を重視しており、学術研究、技術探索、個人の知識管理に適している。

機能一覧

• データのプライバシーを保護するために、ローカルの大きな言語モデルをサポートしています。
• Wikipedia、arXiv、PubMedなどの適切な検索ツールを自動的に選択。
• 構造化されたセクションと引用を含む詳細なレポートを作成。
• 数秒で簡潔な回答を生成するクイックサマリー機能を提供。
• 包括的な分析のためのウェブ検索と組み合わせたローカル文書検索をサポートします。
• ウェブインターフェースとコマンドラインインターフェースを備え、柔軟な操作が可能。
• グローバルユーザーのための多言語検索に対応。

ヘルプの使用

設置プロセス

Local Deep Researchには、Python環境と関連する依存関係のインストールが必要です。以下は、詳細なインストール手順です：

1. クローン倉庫
   ターミナルで以下のコマンドを実行し、プロジェクトをローカルにクローンする：

   git clone https://github.com/LearningCircuit/local-deep-research.git
   cd local-deep-research

2. 依存関係のインストール
   Pythonのパッケージ管理ツールを使って必要なライブラリをインストールする：

   pip install -e .
   

   ブラウザの自動化機能が必要なら、Playwrightをインストールしよう：

   playwright install
   

3. 現地モデルの設置（Ollama）
   ローカル・ディープ・リサーチは、以下の採用をサポートする。 オーラマ ローカルの大規模言語モデルを実行する。https://ollama.ai、Ollamaをダウンロードしてインストールし、レコメンデーション・モデルを引き出す：

   ollama pull gemma3:12b
   

   Ollamaサービスがバックグラウンドで実行されていることを確認する。

4. SearXNGの設定（オプション）
   最良の検索結果を得るためには、SearXNG検索サービスをセルフホストすることをお勧めします。以下のコマンドを実行して SearXNG を起動します：

   docker pull searxng/searxng
   docker run -d -p 8080:8080 --name searxng searxng/searxng
   

   プロジェクトのルート・ディレクトリにある .env ファイルを使用して SearXNG アドレスを設定します：

   SEARXNG_INSTANCE=http://localhost:8080
   SEARXNG_DELAY=2.0
   

5. スターターキット
   • ウェブインタフェース次のコマンドを実行してウェブ版を起動し、http://127.0.0.1:5000：

     ldr-web
     

   • コマンドラインインタフェース次のコマンドを実行すると、コマンドライン版が起動します：

     ldr
     

主な機能の操作

1.簡単な要約の作成

クイック・サマリー機能は、迅速な回答が必要なユーザーのためのものです。ウェブ・インターフェースを開き、「核融合エネルギーにおける最近の進歩」のような研究上の質問を入力します。Quick Summary "ボタンをクリックすると、数秒後に重要な情報と出典を含む簡単な回答が表示されます。コマンドラインを使用する場合は、それを実行します：

from local_deep_research import quick_summary
results = quick_summary(query="核聚变能源的最新进展", search_tool="auto", iterations=1, questions_per_iteration=2, max_results=30)
print(results["summary"])

結果は、簡単な要約と参照リンクが付いたテキストとして出力される。

2.詳細レポートの作成

詳細レポート機能は、包括的な分析を必要とするユーザーに適しています。ウェブ・インターフェースで質問を入力した後、「レポート作成」オプションを選択します。このツールは、検索と分析を複数回実行し、目次、章、引用を含むレポートをMarkdown形式で生成します。レポート生成時間は、問題の複雑さと検索ラウンド数（デフォルトでは2）に依存します。コマンドラインの操作例

from local_deep_research import generate_report
report = generate_report(query="核聚变能源的最新进展", search_tool="auto", iterations=2)
print(report)

生成されたレポートはローカルに保存され、通常はプロジェクト・ルート・ディレクトリのパス examples フォルダー

3.ローカル文書検索

ユーザーはプライベート文書（PDF、TXTなど）を指定したフォルダにアップロードし、RAG（Retrieval Augmented Generation）機能で分析することができます。ドキュメントのパスを設定します：

DOC_PATH=/path/to/your/documents

ウェブ・インターフェースでレポート・ソースとして「ローカル・ドキュメント」を選択すると、ツールはローカル・ドキュメントとウェブ検索を組み合わせたレポートを生成する。コマンドライン操作：

results = quick_summary(query="分析我的文档中的AI趋势", report_source="local")

4.多言語検索

このツールは、英語以外の質問の多言語検索をサポートしています。ウェブ・インターフェイスに中国語または他の言語で質問を入力すると、ツールは自動的に検索ツールを適応させ、関連する結果を返す。例えば、"latest breakthroughs in quantum computing"（量子コンピューターにおける最新のブレークスルー）と入力すると、ツールは中国語と英語の両方のソースを検索する。

設定パラメータ

ユーザーは config.py もしかしたら .env このファイルはパラメーターを調整する：

• search_tool検索ツールの選択（デフォルト） auto).
• iterationsスタディ・ラウンドの数を設定する（デフォルトは 2）。
• max_results検索結果の最大数（デフォルト50）。
• max_filtered_resultsフィルタリングされた結果の数（デフォルトは5）。

ほら

• 外部リソースを検索するために、安定したインターネット接続を確保する。
• ローカルモデルの性能はハードウェアに依存するため、GPUアクセラレーションを推奨する。
• Ollamaとプロジェクトのコードを定期的に更新し、最新の機能を追加する。

アプリケーションシナリオ

1. 学術研究
   学生や研究者は、Local Deep Researchを使って学術論文やウェブページから情報を素早く収集し、引用レポートを作成することができます。例えば、「Breakthroughs in Quantum Computing（量子コンピューティングのブレークスルー）」を研究する場合、このツールはarXivとPubMedから最新の論文を取得し、構造化されたレポートを生成します。
2. 技術探究
   技術愛好家は、「サプライチェーンにおけるブロックチェーン」などの新たな技術動向を探ることができます。このツールは、現地のドキュメントとウェブ検索を組み合わせて、包括的な分析を提供します。
3. 個人の知識管理
   ユーザーは、個人的なメモや文書をアップロードして、外部情報とともに自分の知識ベースを整理することができる。例えば、「AI開発予測2025」に関する個人的なレポートなど。

品質保証

1. ローカル・ディープ・リサーチにはネットワークが必要か？
   ローカルモデルはインターネット接続なしで動作するが、検索機能（例：Wikipedia、arXiv）はインターネット接続を必要とする。ユーザーはローカルドキュメントのみを使用することもできます。
2. どのような大きな言語モデルに対応していますか？
   Ollama がホストするモデルは、デフォルトで次のようにサポートされています。 gemma3:12b.ユーザーは config.py 以下のような他のモデルを設定する。 ブイエルエルエム またはLMStudio。
3. 報道の質はどうすれば向上するのか？
   検索回数を増やすiterations)と結果数(max_results)、またはより強力なモデルを使用する。問題を明確に記述することも、精度の向上に役立つ。
4. Windowsシステムはサポートされていますか？
   はい、このプロジェクトは設定プロセスを簡素化するために、Windowsワンクリックインストーラーを提供しています。ダウンロードするにはGitHubリポジトリをご覧ください。