Belangrijkste inzichten uit lokaal diepgaand onderzoek
Wat is lokaal diepgaand onderzoek?
Lokaal diepgaand onderzoek (LDR) is een gratis, onder MIT-licentie uitgebrachte, zelfgehoste applicatie. AI onderzoeksassistent Ontwikkeld door LearningCircuit, voert het zelfstandig onderzoek uit op meerdere bronnen, volledig op uw eigen computer. Het ontleedt complexe zoekopdrachten in gerichte deelzoekopdrachten, doorzoekt meer dan 10 bronnen, waaronder arXiv, PubMed, SearXNG, Wikipedia en uw eigen privédocumenten, en synthetiseert de bevindingen vervolgens in gestructureerde, op citaties gebaseerde rapporten.
Alle gegevens worden opgeslagen in per gebruiker AES-256-versleutelde SQLite-databases zonder telemetrie. Er wordt een nauwkeurigheid van ongeveer 95% behaald op OpenAI.'s De SimpleQA-benchmark, in combinatie met GPT-4.1-mini en SearXNG, biedt LDR bedrijven, onderzoekers en privacybewuste professionals een direct open-source alternatief voor Perplexity Pro en OpenAI Grondig onderzoek, zonder ook maar één vraag aan een derde partij te hoeven stellen.
Elke gebruiker krijgt een geïsoleerde SQLCipher-database die is beveiligd met AES-256, dezelfde encryptiestandaard die door Signal Messenger wordt gebruikt. PBKDF2-SHA512 met 256,000 iteraties blokkeert brute-force-aanvallen en HMAC-SHA512 garandeert de data-integriteit. Belangrijker nog, onderzoekssessies worden samengevoegd tot een groeiende lokale bibliotheek, wat betekent dat vandaag de dag's PubMed-zoekopdrachten naar GLP-1-farmacologie worden in de toekomst een waardevolle bron van informatie.'s vraag over cardiovasculaire uitkomsten van GLP-1.
LDR wordt geleverd met meer dan 20 configureerbare onderzoeksstrategieën, van een snelle samenvatting in 30 seconden tot gerichte iteratie, de configuratie die verantwoordelijk is voor het SimpleQA-resultaat van ongeveer 95%. De nieuwere LangGraph Agent- modus stelt de LLM in staat om zelf te bepalen welke zoekmachines geraadpleegd moeten worden en wanneer er een synthese moet plaatsvinden, wat resulteert in adaptieve, verkennende onderzoeksloops.
LDR doorzoekt standaard gratis arXiv, PubMed, Semantic Scholar, Wikipedia, SearXNG, GitHub, The Guardian en de Wayback Machine. Betaalde add-ons zijn onder andere Tavily, Google via SerpAPI en Brave Search. Privé document zoeken maakt gebruik van vector-embedding en een lokale vectoropslag, waardoor een map met PDF's een volwaardige zoekmachine wordt, naast het open web.
LDR levert een Model Context Protocol-server mee die het registreert als een delegeerbare onderzoekstool binnen Claude Desktop en Claude Code. In plaats van ruwe webpagina's in het contextvenster te plaatsen, kan Claude diepgaande onderzoekstaken uitbesteden aan LDR, dat parallel zoeken, scrapen en synthetiseren afhandelt. Dit maakt LDR een native onderzoeksbackend voor elke MCP-compatibele agent-stack zonder de orchestratielaag te hoeven herschrijven.
Een volledig geauthenticeerde Python-client en een HTTP REST API maken programmatisch onderzoek op grote schaal mogelijk. Elke bestaande LangChain-compatibele retriever, waaronder FAISS, Chroma, Pinecone, Weaviate en Elasticsearch, kan rechtstreeks aan LDR worden doorgegeven als een benoemde zoekmachine.
Dit betekent dat teams LDR kunnen ontvluchten.'s Het orkestreren van diepgaand onderzoek op een bestaande RAG-stack zonder de indexeringspipeline te hoeven migreren, maakt het een realistische oplossing voor kennismanagement binnen bedrijven en compliance-gedreven onderzoeksomgevingen.
Prijsplannen voor lokaal diepgaand onderzoek
| plannen Naam | Kosten | BELANGRIJKSTE KENMERKEN |
|---|---|---|
| Open source (zelf gehost) | $0 | Volledige toegang tot alle functies, MIT-licentie, onbeperkt aantal zoekopdrachten |
| Met lokale LLM (Ollama) | $0 | Geen API-kosten, volledig offline LLM, privacy staat voorop. |
| Met Cloud LLM | Betaling per token aan LLM-aanbieder | GPT-4.1-mini biedt ~95% SimpleQA, geen LDR-kosten. |
| Met Premium zoeken | Op Maat | Bronnen van hogere kwaliteit, betaalde zoekmachines |
Voor wie is lokaal diepgaand onderzoek bedoeld?
LDR is ontwikkeld voor professionals wiens zoekopdrachten informatie bevatten die de organisatie niet mag verlaten. Onderzoekers in de gezondheidszorg , onderzoeksjournalisten, beveiligingsanalisten en juridische teams werken allemaal onder compliance- of geheimhoudingsverplichtingen waardoor cloudgebaseerde onderzoekstools geen optie zijn.
Zonder telemetrie, met ondertekende Docker-images met Cosign- en SLSA-provenance-attestaties en zonder wachtwoordherstel, is LDR ontworpen als een onderzoekstool van infrastructuurkwaliteit in plaats van een consumentenapplicatie. Ontwikkelaars die al Ollama of llama.cpp gebruiken, zullen LDR als een natuurlijke aanvulling op een bestaande lokale omgeving ervaren. AI stack.
LDR versus cloudonderzoekstools
Het belangrijkste onderscheidende kenmerk is datasoevereiniteit. OpenAI Diepgaand onderzoek, Verbijstering ProGoogle Deep Research en andere vergelijkbare diensten leiden uw zoekopdrachten via eigen infrastructuur, wat acceptabel is voor algemeen gebruik, maar ongeschikt voor gereguleerde sectoren.
LDR evenaart de benchmarkprestaties van ongeveer 95% op SimpleQA wanneer geconfigureerd met cloudmodellen, en ligt tussen de 70 en 85 procent met lokale 20B-klasse modellen, wat nog steeds productief bruikbaar is voor de meeste onderzoekstaken. De persistente, versleutelde kennisbibliotheek die zich over sessies heen vermenigvuldigt, is een functionaliteit die geen enkel gehost product momenteel biedt.
Voors en tegens
- Volledig gratis en open source.
- Meer dan 10 zoekmachines ingebouwd.
- Meer dan 20 onderzoeksstrategieën.
- Een kennisbibliotheek groeit in de loop der tijd.
- LangChain RAG-integratie.
- Geen telemetrie of analyses.
- Vereist Docker- of Python-installatie.
- Een GPU is nodig voor de beste lokale modellen.
- Geen mechanisme voor wachtwoordherstel.
- Het exporteren van PDF-bestanden op Windows vereist extra stappen.
Beste lokale alternatieven voor diepgaand onderzoek
| Self-Hosted AI Onderzoeksassistent | Data Privacy | Flexibiliteit LLM |
|---|---|---|
| Verbijstering Pro | Query's verwerkt op Perplexity-servers | Geen ondersteuning voor lokale modellen |
| OpenAI Diep onderzoek | Zoekopdrachten verwerkt door OpenAI | Alleen GPT-familie |
| Google Diepgaand Onderzoek | Zoekopdrachten verwerkt door Google | alleen Gemini |
| Tavily Onderzoeksagent | API-gebaseerd, cloud-afhankelijk | Integratie verloopt uitsluitend via API. |
