{"title":"Local Deep Research: исследовательский AI у себя на компьютере","url":"https://verapointmedia.com/tools/local-deep-research-issledovatelskiy-ai-na-kompyutere/","markdownUrl":"https://verapointmedia.com/tools/local-deep-research-issledovatelskiy-ai-na-kompyutere.md","language":"ru","category":"tools","publishedAt":"2026-05-07T09:00:00.000Z","updatedAt":"2026-05-07T09:00:00.000Z","references":["https://github.com/LearningCircuit/local-deep-research"],"rights":"Public user-requested reading, summarization and citation allowed. Model training requires separate permission.","contentMarkdown":"# Local Deep Research: исследовательский AI у себя на компьютере\n\n- Site: VeraPoint News\n- Section: Инструменты\n- Date: 2026-05-07\n- Canonical: https://verapointmedia.com/tools/local-deep-research-issledovatelskiy-ai-na-kompyutere/\n- Markdown: https://verapointmedia.com/tools/local-deep-research-issledovatelskiy-ai-na-kompyutere.md\n- Summary: Local Deep Research помогает собирать источники и отчёты локально: полезно, когда хочется больше контроля над данными.\n- SEO title: Local Deep Research: что это и для чего нужен AI-инструмент\n- Target queries: Local Deep Research; Local Deep Research обзор; Local Deep Research что это; Local Deep Research AI инструмент; ai infrastructure tools\n- Tags: #ai #tools #github #research #local-ai #beginners\n- Image: https://verapointmedia.com/static/2026-05-07_local-deep-research-issledovatelskiy-ai-na-kompyutere-news-cover.webp\n\n## Sources\n\n- https://github.com/LearningCircuit/local-deep-research\n\n---\n\nLocal Deep Research — локальный AI-помощник для исследований с источниками: <https://github.com/LearningCircuit/local-deep-research>.\n\nОн ищет информацию, собирает источники, делает отчёт с цитатами и может работать с вашими документами.\n\nЕсли просто: это попытка сделать «deep research», но под вашим контролем и с локальным хранением данных.\n\n## Что даёт репозиторий\n\nВ README указано:\n\n- поиск по вебу и академическим источникам;\n- работа с arXiv, PubMed, Semantic Scholar, Wikipedia, SearXNG и другими источниками;\n- отчёты с цитатами;\n- локальная база знаний;\n- загрузка и поиск по своим документам;\n- Docker-запуск;\n- установка через `pip`;\n- упор на приватность и локальное хранение.\n\nКоманды из README:\n\n```bash\ndocker run -d -p 11434:11434 --name ollama ollama/ollama\ndocker exec ollama ollama pull gpt-oss:20b\ndocker run -d -p 8080:8080 --name searxng searxng/searxng\ndocker run -d -p 5000:5000 --network host --name local-deep-research --volume \"deep-research:/data\" -e LDR_DATA_DIR=/data localdeepresearch/local-deep-research\npip install local-deep-research\n```\n\n## Как применить на практике\n\n### Сценарий 1. Разобрать тему перед статьёй\n\nНапример, нужно понять: «Как AI влияет на поиск работы?»\n\nВы задаёте исследовательский вопрос:\n\n> Найди свежие источники про AI в подборе персонала. Раздели результат на пользу, риски, законы и примеры компаний. Дай ссылки на источники.\n\nПольза: вместо хаотичного поиска в браузере получается черновой исследовательский отчёт.\n\n### Сценарий 2. Собрать академические источники\n\nНапример, нужна база по медицинской или научной теме.\n\nЗапрос:\n\n> Найди исследования по теме sleep tracking и wearable devices. Сначала PubMed и Semantic Scholar. Покажи 10 источников, год, короткий вывод и ограничения.\n\nПольза: можно быстро собрать список papers, а не вручную прыгать между поисковиками.\n\n### Сценарий 3. Искать по своим документам\n\nВы загружаете свои PDF, markdown или сохранённые материалы в локальную библиотеку.\n\nЗапрос:\n\n> Найди в моей библиотеке все документы, где говорится про MCP. Сгруппируй по темам: безопасность, интеграции, бизнес-применение.\n\nПольза: инструмент становится личной исследовательской базой, а не просто поиском по интернету.\n\n## Как поставить\n\nСамый понятный путь для теста — Docker Compose:\n\n```bash\ncurl -O https://raw.githubusercontent.com/LearningCircuit/local-deep-research/main/docker-compose.yml && docker compose up -d\n```\n\nПосле запуска открыть:\n\n```text\nhttp://localhost:5000\n```\n\nЕсть и вариант через Python:\n\n```bash\npip install local-deep-research\n```\n\n## Кому это нужно\n\nНужно, если вы:\n\n- пишете статьи и хотите собирать источники;\n- учитесь и делаете исследовательские работы;\n- работаете с PDF и заметками;\n- хотите хранить базу знаний локально;\n- не хотите отправлять все материалы в чужой облачный сервис.\n\n## Кому это не нужно\n\nНе нужно, если вам нужен быстрый ответ на простой вопрос. Для этого достаточно обычного поиска или AI-чата.\n\n## Где можно застрять\n\n1. Docker-запуск сложнее обычной установки приложения.\n2. Для локальных моделей нужен сильный компьютер или терпение.\n3. Качество зависит от выбранной модели и поисковых источников.\n4. «Отчёт с цитатами» всё равно надо проверять: AI может ошибиться в выводах.\n5. Для приватности важно понимать, какие поисковые и LLM-сервисы вы подключаете.\n\n## Вердикт Веры\n\nБрать в проверку.\n\nПольза понятная: исследование с источниками, локальная база, работа со своими документами. Но это не кнопка «получи истину». Это рабочий стол исследователя, который всё равно должен проверять источники.\n\n---\n\nБольше разборов инструментов простым языком — в Telegram: [@vera_news](https://t.me/vera_news).\n\n## Похожие материалы\n\n- [Все инструменты VeraPoint](https://verapointmedia.com/tools/)\n- [Хаб «AI-инфраструктура»](/topics/ai-infrastructure/)\n- [Сайты для AI-агентов](https://verapointmedia.com/investigations/seo-bylo-dlya-poiskovikov-sleduyuschiy-sloy-sayty-dlya-ai-agentov/)\n- [MCP простыми словами](https://verapointmedia.com/guides/mcp-prostymi-slovami/)\n"}