지역 심층 연구 핵심 통찰
로컬 딥 리서치란 무엇인가요?
로컬 심층 연구 (LDR)은 MIT 라이선스가 적용된 무료 자체 호스팅 서비스입니다. AI 연구 조교 LearningCircuit에서 개발한 이 도구는 사용자의 컴퓨터에서 모든 작업을 수행하는 다중 소스 기반의 에이전트형 연구 도구입니다. 복잡한 쿼리를 집중적인 하위 쿼리로 분해하고, arXiv, PubMed, SearXNG, Wikipedia 및 사용자의 개인 문서를 포함한 10개 이상의 소스를 검색한 후, 구조화되고 인용 정보가 포함된 보고서로 결과를 종합합니다.
모든 데이터는 사용자별로 AES-256으로 암호화된 SQLite 데이터베이스에 저장되며, 원격 측정 데이터는 전혀 수집되지 않습니다. OpenAI 데이터셋에서 약 95%의 정확도를 달성했습니다.'s SimpleQA 벤치마크를 GPT-4.1-mini 및 SearXNG와 함께 사용하면 LDR은 기업, 연구원 및 개인 정보 보호에 민감한 전문가에게 Perplexity Pro 및 Open에 대한 직접적인 오픈 소스 대안을 제공합니다.AI 제3자에게 단 한 번의 질의도 보내지 않고 심층적인 조사를 수행합니다.
모든 사용자는 Signal Messenger에서 사용하는 것과 동일한 암호화 표준인 AES-256으로 보호되는 격리된 SQLCipher 데이터베이스를 받습니다. 256,000번의 반복을 거치는 PBKDF2-SHA512는 무차별 대입 공격을 차단하고, HMAC-SHA512는 데이터 무결성을 보장합니다. 더욱 중요한 것은 연구 세션이 누적되어 점점 커지는 로컬 라이브러리를 형성한다는 점입니다. 즉, 오늘날's PubMed에서 GLP-1 약리학 관련 정보를 검색할 수 있게 되면 이는 미래의 중요한 자산이 될 것입니다.'s GLP-1의 심혈관계 결과에 대한 질의응답.
LDR은 30초 만에 결과를 요약하는 빠른 요약부터 약 95%의 SimpleQA 결과 정확도를 제공하는 집중 반복까지 20가지 이상의 구성 가능한 연구 전략을 제공합니다. 최신 LangGraph 에이전트 모드를 사용하면 LLM 자체가 어떤 검색 엔진에 쿼리를 보내고 언제 결과를 종합할지 결정하여 적응형 탐색 연구 루프를 생성할 수 있습니다.
LDR은 기본적으로 arXiv, PubMed, Semantic Scholar, Wikipedia, SearXNG, GitHub, The Guardian, Wayback Machine 등의 데이터베이스를 무료로 검색할 수 있습니다. 유료 추가 기능으로는 Tavily, SerpAPI를 통한 Google 검색, Brave Search 등이 있습니다. 개인 문서 검색은 벡터 임베딩과 로컬 벡터 저장소를 사용하므로 PDF 폴더를 공개 웹 검색과 함께 강력한 검색 엔진으로 활용할 수 있습니다.
LDR은 Claude Desktop 및 Claude Code 내에서 위임 가능한 연구 도구로 등록되는 모델 컨텍스트 프로토콜(MCP) 서버를 제공합니다. Claude는 컨텍스트 창에 원시 웹 페이지를 직접 입력하는 대신, 심층적인 연구 작업을 LDR에 위임하여 병렬 검색, 스크래핑 및 합성을 처리할 수 있습니다. 따라서 LDR은 오케스트레이션 계층을 다시 작성할 필요 없이 MCP를 지원하는 모든 에이전트 스택을 위한 네이티브 연구 백엔드 역할을 수행할 수 있습니다.
완전 인증된 Python 클라이언트와 HTTP REST API를 통해 대규모 프로그래밍 방식 연구가 가능합니다. FAISS, Chroma, Pinecone, Weaviate, Elasticsearch 등 기존의 LangChain 호환 검색 엔진은 모두 명명된 검색 엔진으로 LDR에 직접 전달할 수 있습니다.
이는 팀들이 LDR을 포기할 수 있다는 것을 의미합니다.'s 인덱싱 파이프라인을 마이그레이션하지 않고 기존 RAG 스택에 심층 연구 오케스트레이션을 구축할 수 있으므로 기업 지식 관리 및 규정 준수 중심 연구 환경에 현실적으로 적합합니다.
지역 심층 조사 가격 플랜
| 계획 이름 | 비용 | 주요 특징 |
|---|---|---|
| 오픈 소스(자체 호스팅) | $0 | 모든 기능 이용 가능, MIT 라이선스 적용, 무제한 쿼리 가능 |
| 현지 LLM(올라마)과 함께 | $0 | API 수수료 없음, 완전 오프라인 LLM, 개인정보 보호 최우선 |
| 클라우드 LLM과 함께 | LLM 제공업체에 대한 토큰당 지불 | GPT-4.1-mini는 SimpleQA에서 약 95%의 성능을 제공하며, LDR 수수료가 없습니다. |
| 프리미엄 검색 | 관습 | 출처 품질 향상, 유료 검색 엔진 |
로컬 심층 연구는 누가 활용해야 할까요?
LDR은 조직 외부로 유출될 수 없는 정보를 다루는 전문가들을 위해 설계되었습니다. 의료 연구원 , 탐사 저널리스트, 보안 분석가, 법률팀 등은 모두 규정 준수 또는 기밀 유지 의무를 준수해야 하므로 클라우드 기반 연구 도구는 적합하지 않습니다.
원격 측정 데이터가 전혀 없고, Cosign 및 SLSA 출처 증명이 포함된 서명된 Docker 이미지를 사용하며, 설계상 암호 복구 기능이 없기 때문에 LDR은 소비자용 앱보다는 인프라 수준의 연구 도구로 자리매김하고 있습니다. Ollama 또는 llama.cpp를 이미 실행 중인 개발자는 LDR이 기존 로컬 환경 위에 자연스럽게 추가될 수 있는 계층임을 알게 될 것입니다. AI 스택.
LDR과 클라우드 리서치 도구 비교
핵심적인 차별화 요소는 데이터 주권입니다. 오픈 소스AI 심층 연구, 퍼플렉시티 프로구글 딥 리서치와 같은 서비스는 모두 자체 인프라를 통해 쿼리를 처리하는데, 이는 일반적인 용도에는 적합하지만 규제 산업에는 부적합합니다.
LDR은 클라우드 모델로 구성했을 때 SimpleQA에서 벤치마크 성능인 약 95%를 달성하며, 로컬 20억급 모델에서는 70~85% 범위의 성능을 보여줍니다. 이는 대부분의 연구 작업에 충분히 활용 가능한 수준입니다. 세션 간에 누적되는 영구 암호화 지식 라이브러리는 현재 어떤 호스팅 제품도 제공하지 않는 기능입니다.
장단점
- 완전 무료 오픈 소스입니다.
- 10개 이상의 검색 엔진이 내장되어 있습니다.
- 20가지 이상의 연구 전략.
- 지식 라이브러리는 시간이 지남에 따라 축적됩니다.
- LangChain RAG 통합.
- 원격 측정이나 분석 기능은 없습니다.
- Docker 또는 Python 설치가 필요합니다.
- 최상의 로컬 모델을 구현하려면 GPU가 필요합니다.
- 비밀번호 복구 메커니즘이 없습니다.
- Windows에서 PDF로 내보내려면 추가 단계가 필요합니다.
최고의 지역 심층 연구 대안
| 자체 호스팅 AI 연구 조교 | 데이터 개인 정보 | LLM 유연성 |
|---|---|---|
| 퍼플렉시티 프로 | Perplexity 서버에서 처리된 쿼리 | 로컬 모델 지원 안 함 |
| 엽니다AI 심층 연구 | OpenAI에서 처리한 쿼리 | GPT 계열 전용 |
| 구글 딥 리서치 | Google에서 처리한 쿼리 | 쌍둥이자리만 해당 |
| 타빌리 연구원 | API 기반, 클라우드 의존적 | API를 통해서만 통합됩니다. |
