什么是Local Deep Research
Local Deep Research（LDR）技能是一个专为本地部署的深度学习研究服务设计的工具，旨在通过多轮迭代分析复杂主题，生成结构完整、引用详实的深度研究报告。该技能通过与用户自托管的LDR实例通信，支持从快速摘要到详尽报告等多种研究模式，并全程保留来源追踪与引文信息。所有操作均在本地网络内完成，确保数据隐私与安全，不会将用户查询或凭证上传至外部服务器。其核心设计强调可控性与透明性，适用于需要高可信度、可验证信息源的场景。 LDR技能采用基于会话和CSRF令牌的认证机制，而非传统的HTTP Basic Auth，这意味着它首先获取登录页面的会话Cookie及防跨站请求伪造令牌，再提交用户名和密码进行身份验证。整个过程完全在本地执行，仅与配置的LDR服务交互。配置参数可通过环境变量或本地.env文件设置，推荐使用专用低权限账户（如openclaw_service），避免敏感信息泄露。脚本依赖curl和jq两个常用命令行工具，确保广泛兼容主流操作系统。此外，若存在~/.config/local_deep_research/config/.env文件，脚本会自动加载其中内容，因此需谨慎管理该路径下的变量，防止无关密钥被意外暴露。
核心功能特点
- 支持多轮迭代深度研究，生成带完整引文和来源追踪的详细报告
- 提供快速摘要与详细报告两种研究模式，满足不同深度需求
- 输出语言可自定义（如中文、英文、西班牙语等），适配多语种场景
- 集成多种搜索工具（searxng、auto、local_all），灵活选择检索方式
- 采用本地会话+CSRF认证机制，保障本地数据安全不对外传输
- 支持异步任务提交与状态轮询，便于集成到自动化工作流中
适用场景
Local Deep Research特别适用于需要深入理解某一技术趋势或学术领域的场景。例如，科研人员在进行文献综述前，可利用LDR对‘固态电池最新进展’这类复杂议题发起详细研究，系统将通过多轮提问逐步挖掘关键论文、专利和技术路线图，最终生成包含具体出处和原文片段的结构化报告，极大提升研究效率与可信度。企业分析师也可借助该工具快速掌握竞争对手动态或新兴市场机会，通过定制化查询获得一手资料而非二手摘要，辅助战略决策制定。 在教育或知识管理领域，教师或课程设计师希望为学生准备前沿科技专题材料时，LDR能自动聚合权威网页、学术论文及本地文档资源，并以Markdown格式输出带超链接的完整报告，方便后续转化为课件或阅读清单。同时，由于其完全本地化运行的特性，政府机构或金融行业在处理敏感信息时也能放心使用——无需担心数据外泄风险，所有研究过程均在受控环境中完成。对于开发者而言，该技能还可作为RAG（检索增强生成）系统的底层组件，将生成的sources字段传递给其他工具链模块，构建专属知识库或智能问答系统。