local-deep-research：支持本地LLM的AI深度研究工具，SimpleQA准确率达95%

04915

local-deep-research是一款开源的AI深度研究助手，支持完全本地运行保护隐私，也可以接入云端LLM。在SimpleQA基准测试中达到约95%的准确率，GitHub星标数6500+，被LangChain官方推广。

核心功能

深度研究能力

自动进行多轮搜索和分析，搜索网络、学术论文和用户自有文档，合成带正确引用的完整报告。提供20多种研究策略，包括快速事实查找、深度分析、学术研究等。

知识库构建

每次研究发现的来源可下载到加密库中，支持ArXiv学术论文、PubMed文章、网页等。自动提取文本、索引并使内容可搜索，下次研究时可同时查询自有文档和实时网络。

多种研究模式

  • 快速摘要：30秒至3分钟获取带引用的答案
  • 详细研究：结构化发现的全面分析
  • 报告生成：带目录和章节的专业报告
  • 文档分析：AI搜索私有文档

LangGraph Agent策略

最新的自主代理研究模式，LLM决定搜索什么、使用哪些专用引擎（arXiv、PubMed、Semantic Scholar等）以及何时合成结果。会自适应切换搜索引擎，收集来源比传统管道策略多得多。

支持的LLM

本地模型：Ollama、LM Studio、llama.cpp，支持Llama 3、Mistral、Gemma、DeepSeek、Qwen等

云端模型：OpenAI（GPT-4）、Anthropic（Claude）、Google（Gemini），通过OpenRouter支持100+模型

搜索源

免费：arXiv、PubMed、Semantic Scholar、Wikipedia、SearXNG、GitHub、Elasticsearch等

付费：Tavily、Google（SerpAPI）、Brave Search

安装方法

Docker Compose（最简单）：

curl -O https://raw.githubusercontent.com/LearningCircuit/local-deep-research/main/docker-compose.yml
docker compose up -d

打开 http://localhost:5000 即可使用Web界面。

pip安装：

pip install local-deep-research

MCP Server集成（与Claude Desktop/Code配合）：

pip install "local-deep-research[mcp]"

安全特性

  • 每个用户独立的SQLCipher数据库，AES-256加密
  • 无遥测、无分析、无追踪
  • Docker镜像使用Cosign签名，包含SLSA证明和SBOM
  • 通过OpenSSF Scorecard、CodeQL等安全扫描

性能基准

使用gpt-4.1-mini + SearXNG + focused_iteration策略时，准确率达90-95%。使用gemini-2.0-flash-001 + SearXNG时准确率82%。

适合谁

  • 需要深度调研但注重隐私的研究人员
  • 想要本地运行AI研究助手的开发者
  • 需要搜索学术论文和自有文档的知识工作者
  • 想要替代Perplexity等商业产品的用户

本文参考来源：GitHub – local-deep-research

© 版权声明
文章版权声明 1、本网站名称：枫选
2、本站永久网址：https://feng.cx
3、本网站的文章部分内容可能来源于网络，仅供大家学习与参考，如有侵权，请联系站长进行删除处理。
4、本站一切资源不代表本站立场，并不代表本站赞同其观点和对其真实性负责。
5、本站一律禁止以任何方式发布或转载任何违法的相关信息，访客发现请向站长举报
6、本站资源大多存储在云盘，如发现链接失效，请联系我们我们会第一时间更新。

THE END
AI教程开源项目
喜欢就支持一下吧
点赞15 分享
迪滴的头像-枫选
西德尼·斯维尼主演惊悚剧情电影偷窥者 (2021)-枫选
西德尼·斯维尼主演惊悚剧情电影偷窥者 (2021)
西德尼·斯维尼主演惊悚剧情电影偷窥者 (2021)
1年前 599
在CF托管域名？无法关闭的CloudFlare拉平机制如何解决-枫选
在CF托管域名？无法关闭的CloudFlare拉平机制如何解决
在CF托管域名？无法关闭的CloudFlare拉平机制如何解决
1年前 429
温子仁导演电影作品合集（13部）-枫选
温子仁导演电影作品合集（13部）
温子仁导演电影作品合集（13部）
1年前 344
WoodMart 8.0.6 Responsive WordPress Theme-枫选
WoodMart 8.0.6 Responsive WordPress Theme
WoodMart 8.0.6 Responsive WordPress Theme
2年前 305
外贸独立站ab轮询收款系统-枫选
外贸独立站ab轮询收款系统
外贸独立站ab轮询收款系统
2年前 300
WP Rocket (v3.18) Caching Plugin for WordPress-枫选
WP Rocket (v3.18) Caching Plugin for WordPress
WP Rocket (v3.18) Caching Plugin for WordPress
2年前 299
相关推荐
Ouroboros 把 AI 开发需求写成规格，适合想少写提示词的团队-枫选
Ouroboros 把 AI 开发需求写成规格，适合想少写提示词的团队
Ouroboros 把 AI 开发需求写成规格，适合想少写提示词的团队
6天前 51
GPT Promo Scanner：AI自动扫描全网促销代码，薅羊毛利器-枫选
GPT Promo Scanner：AI自动扫描全网促销代码，薅羊毛利器
GPT Promo Scanner：AI自动扫描全网促销代码，薅羊毛利器
1小时前 50
<p>GitHub本周最火的项目之一，TradingAgents在短短时间内获得了超过7万星标，成为多Agent AI应用领域的标杆项目。这个基于大语言模型的多Agent金融交易框架，让”AI炒股”从概念走向了可实验的开源工具。</p> <h2>项目简介</h2> <p>TradingAgents是一个开源的多Agent金融交易分析框架，核心思路是让多个AI Agent各司其职，协同完成金融市场的分析和交易决策。项目地址：<a href=GitHub – TauricResearch/TradingAgents

架构设计

TradingAgents的设计借鉴了真实金融交易团队的分工模式，将不同职责分配给不同的Agent：

  • 分析师Agent：负责分析市场数据、财报、新闻等信息，产出分析报告。
  • 研究员Agent：深入研究特定行业或公司，提供基本面分析。
  • 交易员Agent：根据分析结果制定交易策略和执行计划。
  • 风控Agent：评估交易风险，设置止损和仓位控制。
  • 决策Agent：综合各方意见，做出最终交易决策。

这种多Agent协作的模式，模拟了真实对冲基金的决策流程。每个Agent可以使用不同的LLM模型，甚至可以使用同一模型的不同温度参数来产生多样化的观点。

使用场景

学术研究

TradingAgents是研究多Agent系统在金融领域应用的优秀平台。研究人员可以修改Agent的提示词、调整协作机制、测试不同的决策算法。

策略回测

框架支持接入历史市场数据，可以用来回测AI交易策略的表现。这对于量化交易团队评估AI辅助决策的价值很有帮助。

学习和教育

对于想了解AI在金融领域应用的开发者，TradingAgents是一个很好的学习项目。代码结构清晰，文档完善，适合上手研究。

安装和运行

# 克隆项目
git clone https://github.com/TauricResearch/TradingAgents.git
cd TradingAgents

# 安装依赖
pip install -r requirements.txt

# 配置API密钥
cp .env.example .env
# 编辑 .env 文件，填入 OpenAI API key

重要风险提示

⚠️ 以下几点需要特别注意：

  • 不要用真金白银：TradingAgents是一个研究和实验框架，不是成熟的交易系统。绝对不要用它来做实盘交易。
  • AI不是万能的：金融市场受到无数因素影响，AI模型无法预测黑天鹅事件、政策变化、市场情绪等非理性因素。
  • 回测不等于实盘：在历史数据上表现好的策略，在真实交易中可能完全失败（过拟合问题）。
  • 合规风险：在某些司法管辖区，使用AI进行自动化交易可能受到监管限制。

同类项目参考

如果你对AI+金融感兴趣，还可以关注以下项目：

  • FinRL：深度强化学习金融交易框架
  • Qlib：微软开源的量化投资平台
  • GPT-Financial-Analyst：基于GPT的财务分析工具

来源：

-枫选">

GitHub本周最火的项目之一，TradingAgents在短短时间内获得了超过7万星标，成为多Agent AI应用领域的标杆项目。这个基于大语言模型的多Agent金融交易框架，让”AI炒股”从概念走向了可实验的开源工具。

项目简介

TradingAgents是一个开源的多Agent金融交易分析框架，核心思路是让多个AI Agent各司其职，协同完成金融市场的分析和交易决策。项目地址：GitHub – TauricResearch/TradingAgents

架构设计

TradingAgents的设计借鉴了真实金融交易团队的分工模式，将不同职责分配给不同的Agent：

  • 分析师Agent：负责分析市场数据、财报、新闻等信息，产出分析报告。
  • 研究员Agent：深入研究特定行业或公司，提供基本面分析。
  • 交易员Agent：根据分析结果制定交易策略和执行计划。
  • 风控Agent：评估交易风险，设置止损和仓位控制。
  • 决策Agent：综合各方意见，做出最终交易决策。

这种多Agent协作的模式，模拟了真实对冲基金的决策流程。每个Agent可以使用不同的LLM模型，甚至可以使用同一模型的不同温度参数来产生多样化的观点。

使用场景

学术研究

TradingAgents是研究多Agent系统在金融领域应用的优秀平台。研究人员可以修改Agent的提示词、调整协作机制、测试不同的决策算法。

策略回测

框架支持接入历史市场数据，可以用来回测AI交易策略的表现。这对于量化交易团队评估AI辅助决策的价值很有帮助。

学习和教育

对于想了解AI在金融领域应用的开发者，TradingAgents是一个很好的学习项目。代码结构清晰，文档完善，适合上手研究。

安装和运行

# 克隆项目
git clone https://github.com/TauricResearch/TradingAgents.git
cd TradingAgents

# 安装依赖
pip install -r requirements.txt

# 配置API密钥
cp .env.example .env
# 编辑 .env 文件，填入 OpenAI API key

重要风险提示

⚠️ 以下几点需要特别注意：

  • 不要用真金白银：TradingAgents是一个研究和实验框架，不是成熟的交易系统。绝对不要用它来做实盘交易。
  • AI不是万能的：金融市场受到无数因素影响，AI模型无法预测黑天鹅事件、政策变化、市场情绪等非理性因素。
  • 回测不等于实盘：在历史数据上表现好的策略，在真实交易中可能完全失败（过拟合问题）。
  • 合规风险：在某些司法管辖区，使用AI进行自动化交易可能受到监管限制。

同类项目参考

如果你对AI+金融感兴趣，还可以关注以下项目：

  • FinRL：深度强化学习金融交易框架
  • Qlib：微软开源的量化投资平台
  • GPT-Financial-Analyst：基于GPT的财务分析工具

来源：

GitHub本周最火的项目之一，TradingAgents在短短时间内获得了超过7万星标，成为多Agent AI应...

3天前 50
Airbyte Agents：让AI Agent跨多个数据源搜索的开源工具-枫选
Airbyte Agents：让AI Agent跨多个数据源搜索的开源工具
Airbyte Agents：让AI Agent跨多个数据源搜索的开源工具
昨天 50
Docker Model Runner 配合 Open WebUI，本地生成图片的入门玩法整理-枫选
Docker Model Runner 配合 Open WebUI，本地生成图片的入门玩法整理
Docker Model Runner 配合 Open WebUI，本地生成图片的入门玩法整理
6天前 50
CopilotKit 适合前端项目接 AI 助手，React 应用可以先试试-枫选
CopilotKit 适合前端项目接 AI 助手，React 应用可以先试试
CopilotKit 适合前端项目接 AI 助手，React 应用可以先试试
6天前 49
评论 抢沙发

请登录后发表评论

    暂无评论内容