Assistente de IA Pesquisador Local¶
O Local Deep Research é um projeto de código aberto que permite executar um assistente de pesquisa alimentado por modelos de linguagem diretamente no próprio computador. Ao combinar busca automática, geração de resumos e referência de fontes, ele garante que nenhum dado sensível deixe o ambiente local, pois toda a criptografia e processamento ocorrem na máquina do usuário.
Funcionalidades principais¶
- Busca automatizada em bases de dados acadêmicas e motores de busca públicos
- Geração de resumos estruturados com citações formatadas
- Criptografia de dados que nunca sai do dispositivo
- Suporte a múltiplos modos de operação conforme a necessidade do usuário
Modelos e fontes suportados¶
| Compatível | Exemplos |
|---|---|
| Modelos de linguagem | Ollama, OpenAI, Anthropic |
| Motores de busca | arXiv, PubMed, SearXNG |
Essas opções permitem que o usuário escolha a combinação que melhor se adapte ao seu fluxo de trabalho e aos recursos disponíveis.
Observação
Apesar da integração com APIs externas como OpenAI e Anthropic, o processo de busca e geração de conteúdo permanece totalmente local, já que apenas as consultas aos modelos são enviadas, enquanto os dados de pesquisa permanecem criptografados no dispositivo.
Modos de operação¶
O Local Deep Research oferece três modos que podem ser alternados conforme a complexidade da tarefa:
- Busca rápida: retorna resultados resumidos em poucos segundos.
- Pesquisa aprofundada: realiza varreduras mais detalhadas e gera relatórios completos.
- Geração de relatório: produz documentos formatados com seções introdutórias, desenvolvimento e referências.
Dica
Para tarefas que exigem alta precisão, recomenda‑se iniciar com o modo de pesquisa aprofundada e, se necessário, refinar o resultado usando o modo de geração de relatório.
Desempenho no benchmark¶
Nos testes do benchmark SimpleQA, o Local Deep Research alcançou aproximadamente 95 % de acurácia, demonstrando sua eficácia em responder a perguntas factuais com base nas fontes consultadas.
Estratégia de agente autônomo¶
Além dos modos padrão, o projeto incorpora uma abordagem de agente autônomo baseada no LangGraph. Essa estratégia permite que o sistema planeje, execute e refine etapas de pesquisa de forma iterativa, imitando o comportamento de um pesquisador humano que ajusta suas consultas conforme avança a investigação.
Atençao
Embora os dados de pesquisa não deixem o dispositivo, o uso de modelos externos requer conexão à internet e pode envolver custos ou limitações de uso impostos pelos provedores desses modelos.
Pontos-chave¶
- O Local Deep Research roda totalmente local, garantindo privacidade e criptografia dos dados.
- Suporta múltiplos modelos (Ollama, OpenAI, Anthropico) e fontes de busca (arXiv, PubMed, SearXNG).
- Atinge cerca de 95 % de acurácia no benchmark SimpleQA.
- Oferece três modos de operação: busca rápida, pesquisa aprofundada e geração de relatório.
- Inclui uma estratégia de agente autônomo utilizando LangGraph para planejamento iterativo de
Ferramentas e Tecnologias¶
- [[Ollama]]
- [[OpenAI]]
- [[Anthropic]]
- [[arXiv]]
- [[PubMed]]
- [[SearXNG]]
- [[LangGraph]]
Nota pessoal
https://x.com/i/status/2050841790207623303