Ollama+LangGraph 本地部署学术研究报告生成助手

综合介绍

Ollama Deep Researcher 是一个完全本地运行的网页研究和报告生成助手，由 LangChain 团队开发。它通过 Ollama 托管的任意大型语言模型（LLM），让用户输入一个研究主题后，自动生成网页搜索查询、收集信息、总结内容并生成带来源的 Markdown 报告。整个过程无需联网调用外部模型，保护隐私且无需额外费用。它支持 DuckDuckGo、Tavily 或 Perplexity 等搜索工具，用户可自定义研究循环次数，适合需要深入研究并生成结构化报告的用户。安装简单，开源免费。

功能列表

• 本地运行语言模型：通过 Ollama 使用本地 LLM，无需外部 API。
• 自动生成搜索查询：根据用户主题，生成准确的网页搜索关键词。
• 网页信息收集：支持 DuckDuckGo（默认）、Tavily 或 Perplexity 搜索。
• 内容总结与优化：分析搜索结果，找出不足并改进总结。
• 生成 Markdown 报告：输出结构化报告，包含所有来源引用。
• 自定义研究深度：用户可设置循环次数，控制研究详细程度。
• 可视化工作流程：通过 LangGraph Studio 查看每步操作。
• 支持多种模型：兼容 DeepSeek R1、Llama 3.2 等模型。

使用帮助

安装流程

Ollama Deep Researcher 需要本地环境支持。以下是详细步骤，适用于 Mac 和 Windows 用户。

Mac 用户

1. 安装 Ollama
   • 访问 Ollama 官网，下载 Mac 版安装包。
   • 安装后，终端运行 ollama --version 检查版本。
2. 拉取模型
   • 在终端输入：ollama pull deepseek-r1:8b 下载推荐模型。
   • 也可用 ollama pull llama3.2。
3. 克隆项目
   • 运行以下命令：

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

4. 创建虚拟环境（推荐）
   • 确保 Python 3.9+ 已安装。运行：

     python -m venv .venv
     source .venv/bin/activate
     

5. 安装依赖并启动
   • 输入：

     curl -LsSf https://astral.sh/uv/install.sh | sh
     uvx --refresh --from "langgraph-cli[inmem]" --with-editable . --python 3.11 langgraph dev
     

   • 启动后，浏览器会打开 LangGraph Studio（默认 http://127.0.0.1:2024）。

Windows 用户

1. 安装 Ollama
   • 从 Ollama 官网 下载 Windows 版。
   • 安装后，命令行运行 ollama --version 验证。
2. 拉取模型
   • 输入：ollama pull deepseek-r1:8b。
3. 克隆项目
   • 运行：

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

4. 创建虚拟环境
   • 安装 Python 3.11（安装时勾选“Add to PATH”），然后运行：

     python -m venv .venv
     .venv\Scripts\Activate.ps1
     

5. 安装依赖并启动
   • 输入：

     pip install -e .
     pip install -U "langgraph-cli[inmem]"
     langgraph dev
     

   • 启动后访问 http://127.0.0.1:2024。

配置搜索工具（可选）

• 默认使用 DuckDuckGo，无需 API 密钥。
• 若用 Tavily 或 Perplexity：
  1. 复制 .env.example 为 .env。
  2. 编辑 .env，添加密钥：

     TAVILY_API_KEY=your_tavily_key
     PERPLEXITY_API_KEY=your_perplexity_key
     

  3. 可选配置：
     • OLLAMA_BASE_URL（默认 http://localhost:11434）。
     • MAX_WEB_RESEARCH_LOOPS（默认 3）。

如何使用

1. 打开 LangGraph Studio
   • 启动服务后，访问 http://127.0.0.1:2024。
   • 界面分左右两栏：左侧配置，右侧输入和结果。
2. 配置参数
   • 搜索工具：选择 DuckDuckGo、Tavily 或 Perplexity。
   • 模型：输入已下载的模型名（如 deepseek-r1:8b）。
   • 循环次数：设置研究深度，默认 3 次。
   • 保存配置。
3. 输入主题
   • 在右侧输入框输入研究主题，如“机器学习的未来”。
   • 点击“Run”开始研究。
4. 查看过程与结果
   • Studio 会显示每步：生成查询、搜索、总结等。
   • 完成后，Markdown 报告保存在项目文件夹的 graph state 中。

特色功能操作

• 调整研究深度
  • 在配置中改 MAX_WEB_RESEARCH_LOOPS，如设为 5 次，结果更全面，但耗时增加。
• 切换搜索工具
  • DuckDuckGo 免费但结果有限，Tavily 更详细（需密钥）。切换后重启服务。
• 模型兼容性检查
  • 若报错（如 KeyError: 'query'），说明模型不支持 JSON 输出。换用 DeepSeek R1 (8B) 或 Llama 3.2。

注意事项

• 硬件要求：8B 模型需 8GB 内存，13B 需 16GB。
• 浏览器兼容性：推荐 Firefox，Safari 可能有安全警告。
• 错误排查：若卡顿，检查终端日志，可能需更新依赖或换模型。

应用场景

1. 学术研究
   • 场景描述：学生输入“神经网络优化方法”，工具搜索并生成带引用的报告，节省查资料时间。
2. 行业分析
   • 场景描述：企业研究“2025 年 AI 市场趋势”，工具提供详细总结，助力决策。
3. 技术学习
   • 场景描述：开发者输入“Python 异步编程”，工具生成教程式报告，方便自学。

QA

1. 必须联网吗？
   • 本地模型无需联网，但搜索网页需要网络。若离线，只能用已有数据。
2. 支持中文吗？
   • 支持。输入中文主题，工具生成中文结果，但效果因搜索工具而异。
3. 报告能修改吗？
   • 可以。Markdown 文件可直接编辑。
4. 遇到 JSON 错误怎么办？
   • 说明模型不支持结构化输出。换 DeepSeek R1 (8B) 或 Llama 3.2 重试。