Principali spunti e ricerche approfondite a livello locale.
Che cos'è la Ricerca Locale Profonda?
Ricerca approfondita locale (LDR) è un sistema gratuito, con licenza MIT e auto-ospitato AI assistente ricercatore Sviluppato da LearningCircuit, questo strumento esegue ricerche multi-fonte e autonome interamente sul tuo computer. Scompone query complesse in sotto-query mirate, effettua ricerche in oltre 10 fonti, tra cui arXiv, PubMed, SearXNG, Wikipedia e i tuoi documenti privati, e infine sintetizza i risultati in report strutturati e corredati da citazioni.
Tutti i dati vengono archiviati in database SQLite crittografati con AES-256 per ciascun utente, senza telemetria. Si raggiunge un'accuratezza di circa il 95% su OpenAI.'s Il benchmark SimpleQA, se abbinato a GPT-4.1-mini e SearXNG, fornisce a imprese, ricercatori e professionisti attenti alla privacy un'alternativa open-source diretta a Perplexity Pro e OpenAI Ricerca approfondita, senza inviare alcuna richiesta a terzi.
Ogni utente ottiene un database SQLCipher isolato protetto con AES-256, lo stesso standard di crittografia utilizzato da Signal Messenger. PBKDF2-SHA512 con 256,000 iterazioni blocca gli attacchi di forza bruta e HMAC-SHA512 garantisce l'integrità dei dati. Ancora più importante, le sessioni di ricerca si accumulano in una libreria locale in crescita, il che significa che oggi's La ricerca su PubMed relativa alla farmacologia del GLP-1 diventerà domani una risorsa consultabile.'s Interrogazione sugli esiti cardiovascolari del GLP-1.
LDR include oltre 20 strategie di ricerca configurabili, da Riepilogo rapido a 30 secondi a Iterazione mirata, che è la configurazione responsabile del risultato SimpleQA di circa il 95%. Il più recente Agente LangGraph Questa modalità consente al modello LLM di decidere autonomamente quali motori di ricerca interrogare e quando sintetizzare i dati, generando cicli di ricerca adattivi ed esplorativi.
Di default, LDR effettua ricerche gratuite su arXiv, PubMed, Semantic Scholar, Wikipedia, SearXNG, GitHub, The Guardian e Wayback Machine. Tra i componenti aggiuntivi a pagamento figurano Tavily, Google tramite SerpAPI e Brave Search. La ricerca di documenti privati utilizza l'incorporamento vettoriale e un archivio vettoriale locale, trasformando così una cartella di PDF in un motore di ricerca di prim'ordine, al pari del web aperto.
LDR fornisce un server Model Context Protocol che lo registra come strumento di ricerca delegabile all'interno di Claude Desktop e Claude Code. Invece di inserire pagine web grezze nella finestra di contesto, Claude LDR può delegare le attività di ricerca approfondita a gestire la ricerca parallela, lo scraping e la sintesi. Questo rende LDR un backend di ricerca nativo per qualsiasi stack di agenti compatibile con MCP, senza la necessità di riscrivere il livello di orchestrazione.
Un client Python completamente autenticato e un'API REST HTTP consentono la ricerca programmatica su larga scala. Qualsiasi motore di ricerca compatibile con LangChain, inclusi FAISS, Chroma, Pinecone, Weaviate ed Elasticsearch, può essere passato direttamente a LDR come motore di ricerca denominato.
Ciò significa che le squadre possono bloccare LDR's Integrazione dell'orchestrazione di ricerche approfondite in uno stack RAG esistente senza migrare la pipeline di indicizzazione, rendendola una soluzione ideale per la gestione della conoscenza aziendale e per gli ambienti di ricerca orientati alla conformità.
Piani tariffari locali per la ricerca approfondita
| Piano Nome | Costo | Funzionalità principali |
|---|---|---|
| Open Source (autogestito) | $0 | Accesso completo a tutte le funzionalità, licenza MIT, query illimitate. |
| Con LLM locale (Ollama) | $0 | Nessun costo per le API, LLM completamente offline, la privacy al primo posto |
| Con Cloud LLM | Pagamento per token al fornitore LLM | GPT-4.1-mini offre circa il 95% di SimpleQA, senza costi LDR. |
| Con Ricerca Premium | Custom | Maggiore qualità delle fonti, motori di ricerca a pagamento |
Chi dovrebbe utilizzare la ricerca approfondita locale?
LDR è stato creato per i professionisti le cui query contengono informazioni che non possono uscire dall'organizzazione. Ricercatori sanitariGiornalisti investigativi, analisti della sicurezza e team legali operano tutti nel rispetto di obblighi di conformità o riservatezza che rendono gli strumenti di ricerca basati sul cloud impraticabili.
Senza telemetria, con immagini Docker firmate con attestazioni di provenienza Cosign e SLSA e senza recupero password per impostazione predefinita, LDR si posiziona come uno strumento di ricerca di livello infrastrutturale piuttosto che come un'app per utenti finali. Gli sviluppatori che già utilizzano Ollama o llama.cpp troveranno in LDR un livello naturale da aggiungere a un'infrastruttura locale esistente. AI pila.
Strumenti di ricerca LDR vs Cloud
L'elemento distintivo principale è la sovranità dei dati. ApertoAI Ricerca approfondita, Perplessità ProGoogle e Google Deep Research instradano le tue query attraverso un'infrastruttura proprietaria, il che è accettabile per un utilizzo generico ma non lo rende idoneo per i settori regolamentati.
LDR raggiunge prestazioni simili a quelle di riferimento, attestandosi intorno al 95% su SimpleQA quando configurato con modelli cloud, e si posiziona tra il 70 e l'85% con modelli locali di classe 20B, un valore comunque utile per la maggior parte delle attività di ricerca in ambiente di produzione. La libreria di conoscenza crittografata persistente che si aggrega tra le sessioni è una funzionalità attualmente assente in tutti i prodotti in hosting.
Pro e contro
- Completamente gratuito e open source.
- Oltre 10 motori di ricerca integrati.
- Oltre 20 strategie di ricerca.
- La biblioteca di conoscenze si arricchisce nel tempo.
- Integrazione di LangChain RAG.
- Nessuna telemetria o analisi.
- Richiede l'installazione di Docker o Python.
- Per ottenere i migliori risultati con i modelli locali è necessaria una GPU.
- Nessun meccanismo di recupero della password.
- L'esportazione in PDF su Windows richiede passaggi aggiuntivi.
Le migliori alternative per una ricerca approfondita a livello locale
| Self-Hosted AI Assistente ricercatore | Privacy dei dati | Flessibilità LLM |
|---|---|---|
| Perplessità Pro | Query elaborate sui server di Perplexity | Nessun supporto per il modello locale |
| ApriAI Ricerca approfondita | Query elaborate da OpenAI | Solo per la famiglia GPT |
| Ricerca approfondita di Google | Query elaborate da Google | Solo Gemelli |
| Tavily, agente di ricerca | Basato su API, dipendente dal cloud | Si integra solo tramite API |
