Principais conclusões da pesquisa local aprofundada
O que é pesquisa local aprofundada?
Pesquisa Local Aprofundada (LDR) é um serviço gratuito, licenciado sob a licença MIT e auto-hospedado. AI assistente de pesquisa Desenvolvido pela LearningCircuit, este programa realiza pesquisas multissource e automatizadas inteiramente em sua própria máquina. Ele decompõe consultas complexas em subconsultas focadas, pesquisa em mais de 10 fontes, incluindo arXiv, PubMed, SearXNG, Wikipedia e seus próprios documentos privados, e sintetiza as descobertas em relatórios estruturados e baseados em citações.
Todos os dados são armazenados em bancos de dados SQLite criptografados com AES-256 por usuário, sem telemetria. Isso resulta em uma precisão de aproximadamente 95% no OpenAI.'s O benchmark SimpleQA, quando combinado com GPT-4.1-mini e SearXNG, oferece ao LDR uma alternativa direta de código aberto ao Perplexity Pro e ao OpenQA, proporcionando a empresas, pesquisadores e profissionais preocupados com a privacidade.AI Pesquisa aprofundada, sem enviar uma única consulta a terceiros.
Cada usuário recebe um banco de dados SQLCipher isolado e protegido com AES-256, o mesmo padrão de criptografia usado pelo Signal Messenger. O PBKDF2-SHA512 com 256,000 iterações bloqueia ataques de força bruta, e o HMAC-SHA512 garante a integridade dos dados. Mais importante ainda, as sessões de pesquisa se acumulam, formando uma biblioteca local crescente, o que significa que hoje's A inclusão de dados do PubMed sobre a farmacologia do GLP-1 se tornará um recurso pesquisável em breve.'s Questionário sobre os efeitos cardiovasculares do GLP-1.
O LDR é fornecido com mais de 20 estratégias de pesquisa configuráveis, desde o Resumo Rápido em 30 segundos até a Iteração Focada, configuração responsável pelo resultado de aproximadamente 95% no SimpleQA. O novo modo Agente LangGraph permite que o próprio LLM decida quais mecanismos de busca consultar e quando sintetizar, produzindo ciclos de pesquisa exploratórios e adaptativos.
Por padrão, o LDR realiza buscas gratuitas no arXiv, PubMed, Semantic Scholar, Wikipedia, SearXNG, GitHub, The Guardian e Wayback Machine. Complementos pagos incluem Tavily, Google via SerpAPI e Brave Search. A busca privada de documentos utiliza incorporação vetorial e um armazenamento vetorial local, transformando uma pasta de PDFs em um mecanismo de busca de primeira classe, à altura da web aberta.
O LDR inclui um servidor Model Context Protocol que o registra como uma ferramenta de pesquisa delegável dentro do Claude Desktop e do Claude Code. Em vez de inserir páginas da web brutas na janela de contexto, o Claude pode delegar tarefas de pesquisa complexas ao LDR, que lida com busca paralela, raspagem e síntese. Isso torna o LDR um backend de pesquisa nativo para qualquer pilha de agentes compatível com MCP, sem a necessidade de reescrever a camada de orquestração.
Um cliente Python totalmente autenticado e uma API REST HTTP permitem pesquisa programática em grande escala. Qualquer mecanismo de busca compatível com LangChain, incluindo FAISS, Chroma, Pinecone, Weaviate e Elasticsearch, pode ser passado diretamente para o LDR como um mecanismo de busca nomeado.
Isso significa que as equipes podem abandonar o LDR's A orquestração de pesquisa aprofundada em uma pilha RAG existente, sem migrar o pipeline de indexação, torna-se uma solução viável para ambientes de gerenciamento de conhecimento corporativo e pesquisa orientada à conformidade.
Planos de preços para pesquisa local aprofundada
| Nome do Plano | Custo | Principais funcionalidades |
|---|---|---|
| Código aberto (hospedado pelo próprio usuário) | $0 | Acesso completo a todos os recursos, licença MIT, consultas ilimitadas. |
| Com mestrado local em direito (Ollama) | $0 | Sem taxas de API, mestrado em direito totalmente offline, privacidade em primeiro lugar. |
| Com Cloud LLM | Pagamento por token para provedor de LLM | O GPT-4.1-mini oferece aproximadamente 95% de precisão no SimpleQA, sem taxa LDR. |
| Com Busca Premium | Molduras por Medida | Maior qualidade das fontes, mecanismos de busca pagos |
Quem deve utilizar a pesquisa local aprofundada?
O LDR foi desenvolvido para profissionais cujas consultas contêm informações que não podem sair da organização. Pesquisadores da área da saúde , jornalistas investigativos, analistas de segurança e equipes jurídicas operam sob mandatos de conformidade ou confidencialidade que tornam as ferramentas de pesquisa baseadas em nuvem inviáveis.
Com telemetria zero, imagens Docker assinadas com atestados de proveniência Cosign e SLSA, e sem recuperação de senha por design, o LDR se posiciona como uma ferramenta de pesquisa de nível de infraestrutura, e não como um aplicativo para o consumidor final. Desenvolvedores que já utilizam Ollama ou llama.cpp encontrarão no LDR uma camada natural sobre um ambiente local existente. AI pilha.
Ferramentas de pesquisa LDR vs. em nuvem
O principal diferencial é a soberania dos dados. AbertoAI Pesquisa aprofundada, Perplexidade ProO Google Deep Research e outras plataformas encaminham suas consultas por meio de infraestrutura proprietária, o que é aceitável para uso geral, mas inaceitável para setores regulamentados.
O LDR atinge um desempenho de referência de aproximadamente 95% no SimpleQA quando configurado com modelos em nuvem, e fica na faixa de 70 a 85% com modelos locais da classe 20B, o que ainda é útil para a maioria das tarefas de pesquisa em produção. A biblioteca de conhecimento criptografada persistente, que se acumula entre as sessões, é uma funcionalidade que nenhum dos produtos hospedados oferece atualmente.
Prós e Contras
- Totalmente gratuito e de código aberto.
- Mais de 10 mecanismos de busca integrados.
- Mais de 20 estratégias de pesquisa.
- A biblioteca de conhecimento se acumula ao longo do tempo.
- Integração do LangChain RAG.
- Sem telemetria ou análises.
- Requer instalação do Docker ou do Python.
- É necessário um processador gráfico (GPU) para obter os melhores resultados com os modelos locais.
- Não há mecanismo de recuperação de senha.
- A exportação para PDF no Windows requer etapas adicionais.
Melhores alternativas locais para pesquisa aprofundada
| Self-Hosted AI Assistente de Pesquisa | Dados privados | Flexibilidade do LLM |
|---|---|---|
| Perplexidade Pro | Consultas processadas em servidores Perplexity | Sem suporte para modelos locais |
| AbraAI Pesquisa Profunda | Consultas processadas pela OpenAI | Somente para a família GPT |
| Pesquisa profunda do Google | Consultas processadas pelo Google | Apenas Gêmeos |
| Agente de Pesquisa Tavily | Baseado em API e dependente da nuvem. | Integração somente via API |
