综合介绍
Research Rabbit 是一个基于本地LLM（大语言模型）的网页研究和总结助手。用户提供研究主题后，Research Rabbit 会生成搜索查询，获取相关网页结果，并总结这些结果。它会反复进行这一过程，填补知识空白，最终生成包含所有来源的Markdown总结。该工具完全在本地运行，确保数据隐私和安全。
功能列表
- 生成搜索查询：根据用户提供的主题生成搜索查询。
- 网页搜索：使用配置的搜索引擎（如Tavily）查找相关资源。
- 总结结果：使用本地LLM总结网页搜索结果。
- 反思总结：识别知识空白并生成新的搜索查询。
- 迭代更新：反复进行搜索和总结，逐步完善研究内容。
- 本地运行：所有操作均在本地进行，确保数据隐私。
- Markdown总结：生成包含所有来源的最终Markdown总结。
使用帮助
安装流程
- 拉取本地LLM：从Ollama拉取所需的本地LLM，例如
ollama pull llama3.2。 - 获取Tavily API密钥：注册Tavily并获取API密钥，设置环境变量
export TAVILY_API_KEY=<your_tavily_api_key>。 - 克隆仓库：运行
git clone https://github.com/langchain-ai/research-rabbit.git克隆仓库。 - 安装依赖：进入项目目录并运行
uvx --refresh --from "langgraph-cli[inmem]" --with-editable . --python 3.11 langgraph dev安装依赖。 - 启动助手：启动LangGraph服务器，访问
http://127.0.0.1:2024查看API文档和Web UI。
使用流程
- 配置LLM：在LangGraph Studio Web UI中设置要使用的本地LLM名称（默认
llama3.2）。 - 设置研究深度：配置研究迭代的深度（默认3次）。
- 输入研究主题：在配置标签中输入研究主题，启动研究助手。
- 查看过程：助手会生成搜索查询，进行网页搜索，使用LLM总结结果，并反复进行这一过程。
- 获取总结：研究完成后，助手会生成包含所有来源的Markdown总结，用户可以查看和编辑。
主要功能操作
- 生成搜索查询：输入研究主题后，助手会自动生成搜索查询。
- 网页搜索：助手使用配置的搜索引擎查找相关资源。
- 总结结果：助手使用本地LLM对搜索结果进行总结，生成初步报告。
- 反思总结：助手会识别总结中的知识空白，生成新的搜索查询，继续研究。
- 迭代更新：助手会反复进行搜索和总结，逐步完善研究内容。
- 生成Markdown总结：研究完成后，助手会生成包含所有来源的最终Markdown总结，用户可以查看和编辑。
