Ollama+LangGraph 学術研究レポート作成アシスタントのローカル展開

中国初のAI IDE インテリジェント・プログラミング・ソフトウェア 🚀体験への招待 Trae 中国語版ダウンロードDeepSeek-R1とDoubao-proは無制限で利用できる！

はじめに

オーラマ Deep Researcherは、LangChainチームによって開発された、完全にネイティブで動作するウェブリサーチとレポート生成アシスタントです。Ollamaがホストする任意のLarge Language Model (LLM)を使用し、ユーザがリサーチトピックを入力すると、自動的にウェブ検索クエリを生成し、情報を収集し、コンテンツを要約し、ソースを含むMarkdownレポートを生成します。すべてのプロセスは、プライバシーを保護し、追加費用なしで、外部モデルを呼び出すためのインターネット接続を必要とせずに行われます。DuckDuckGo, Tavilyまたは当惑などの検索ツール、ユーザーは調査サイクルの数をカスタマイズすることができ、詳細な調査を必要とし、構造化されたレポートを生成するユーザーに適しています。簡単にインストールでき、オープンソースで無料です。

Ollamaローカル簡易展開学術研究レポート作成アシスタント-1

機能一覧

ローカルオペレーティング言語モデル（LOLM）外部APIを使わず、Ollamaを通してネイティブのLLMを使う。
検索クエリの自動生成ユーザーテーマに基づいて正確なウェブ検索語を生成します。
ウェブ情報収集DuckDuckGo（デフォルト）、Tavily、Perplexityの検索に対応。
コンテンツの要約と最適化検索結果を分析し、欠点を見つけ、要約を改善する。
マークダウン・レポートの作成すべての出典を引用した構造化されたレポートを出力する。
リサーチの深さをカスタマイズするユーザーはサイクル数を設定し、試験の詳細レベルをコントロールすることができる。
ワークフローの可視化スルーラングラフスタジオ操作の各ステップを表示します。
複数のモデルをサポート互換性があるディープシーク R1、ラマ3.2、その他のモデル。

ヘルプの使用

設置プロセス

Ollama Deep Researcherはローカル環境のサポートが必要です。以下は、MacとWindowsユーザのための詳細な手順です。

マックユーザー

Ollamaをインストールする
- OllamaのウェブサイトからMac版のインストーラーをダウンロードしてください。
- インストール後、ターミナル ollama --バージョン バージョンを確認する。
プルモデル
- それをターミナルに入力する：オラマ・プルディープシークR1:8b 推奨モデルのダウンロード
- こちらも利用可能 ollama pull llama3.2.

クローンプロジェクト

以下のコマンドを実行する：

git clone https://github.com/langchain-ai/ollama-deep-researcher.git
cd ollama-deep-researcher

仮想環境の構築（推奨）
- Python 3.9+がインストールされていることを確認してください。実行してください：
```
python -m venv .venv
ソース .venv/bin/activate
```
依存関係をインストールして開始する
- インプット：
```
curl -LsSf https://astral.sh/uv/install.sh | sh
uvx --refresh --from "langgraph-cli[inmem]" --with-editable . --python 3.11 langgraph dev
```
- ブラウザを起動するとLangGraph Studioが開きます（デフォルト）。 http://127.0.0.1:2024).

Windowsユーザー

Ollamaをインストールする
- OllamaのウェブサイトからWindows版をダウンロードしてください。
- インストール後、コマンドラインから ollama --バージョン 検証。
プルモデル
- インプット：オラマ・プル・ディープシーク R1:8B.

クローンプロジェクト

走っている：

git clone https://github.com/langchain-ai/ollama-deep-researcher.git
cd ollama-deep-researcher

仮想環境の構築
- Python 3.11をインストールし（"Add to PATH "にチェックを入れて）、実行する：
```
python -m venv .venv
.venvScriptsActivate.ps1
```
依存関係をインストールして開始する
- インプット：
```
pip install -e .
pip install -U "langgraph-cli[inmem]"
langgraph dev
```
- 発売後のアクセス http://127.0.0.1:2024.

設定検索ツール（オプション）

DuckDuckGoはデフォルトで使用され、APIキーは必要ありません。
TavilyやPerplexityを使うなら：
1. のコピーを取る。 .env.example というのも 環境.
2. コンパイラ 環境キーを追加する：
```
TAVILY_API_KEY=your_tavily_key
PERPLEXITY_API_KEY=your_perplexity_key
```
3. オプション設定：
  - ollama_base_url(デフォルト） http://localhost:11434).
  - max_web_research_loops(デフォルト3）。

使用方法

LangGraphスタジオを開く
- サービス開始後 http://127.0.0.1:2024.
- インターフェイスは左右に分かれており、左がコンフィギュレーション、右が入力と結果となっている。
設定パラメータ
- 検索ツールDuckDuckGo、Tavily、Perplexityからお選びください。
- モデリングダウンロードしたモデルの名前を入力してください。 ディープシーク-R1:8B).
- サイクル数デフォルトは3回。
- 設定を保存します。
テーマを入力する
- 右側の入力ボックスに「機械学習の未来」などの研究テーマを入力してください。
- Run "をクリックし、調査を開始する。
プロセスと結果を見る
- Studioは、クエリーの生成、検索、サマリーなど、各ステップを表示します。
- 終了すると、Markdownレポートはプロジェクトフォルダのグラフ状態に保存されます。

注目の機能操作

調査の深さを調整する
- コンフィギュレーションの変更 max_web_research_loops回数を5回に設定すると、結果はより包括的になるが、より時間がかかる。
トグル検索ツール
- DuckDuckGo 無料だが結果は限定的, Tavily より詳細（キーが必要）。切り替え後、サービスを再起動してください。
モデルの互換性チェック
- エラーが報告された場合（例えば キーエラー： 'query')、モデルがJSON出力をサポートしていないことを示します。への切り替えはディープシークR1 (8B)またはラマ3.2.

ほら

ハードウェア要件8Bモデルは8GB、13Bモデルは16GBのメモリーが必要。
ブラウザの互換性Firefoxを推奨しますが、Safariではセキュリティ警告が出る場合があります。
エラー検出もし行き詰まったら、端末のログをチェックしてください。依存関係の更新やモデルの変更が必要かもしれません。

アプリケーションシナリオ

学術研究
- シーンの説明生徒が「ニューラルネットワーク最適化法」と入力すると、ツールが検索し、引用文献を含むレポートを作成するので、情報を探す時間が節約できる。
業界分析
- シーンの説明2025年までのAI市場動向」は、意思決定を支援する詳細なサマリーを提供するツールである。
テクニカル・ラーニング
- シーンの説明開発者が「Python非同期プログラミング」と入力すると、チュートリアルレポートが生成され、自習が容易になります。

品質保証

ネットワークは必要ですか？
- ローカルモデルはインターネット接続を必要としないが、ウェブ検索には接続が必要。オフラインの場合は、既存のデータしか使用できない。
中国語に対応していますか？
- サポートしています。中国語のテーマを入力すると、中国語の検索結果が生成されるが、検索ツールによって効果は異なる。
報告書を修正することは可能か？
- Markdownファイルは直接編集できる。
JSONエラーが発生した場合はどうすればよいですか？
- これは、モデルが構造化出力をサポートしていないことを意味します。DeepSeek R1 (8B) または Llama 3.2 で再試行してください。