🔍 工具核心优势

• 完全本地化部署：基于Ollama框架运行本地大语言模型（LLM）
• 智能迭代研究：3轮自动优化搜索策略（可配置MAX_WEB_RESEARCH_LOOPS）
• 多引擎支持：默认DuckDuckGo，可选Tavily/Perplexity专业搜索API
• 可视化流程：通过LangGraph Studio实时监控研究进程
• 学术级输出：自动生成带完整引用的Markdown报告

🛠️ 五分钟快速上手（Mac/Windows双平台）

环境准备三步骤

1. 安装Ollama核心
   官方下载页面选择对应系统版本

   ollama pull deepseek-r1:8b  # 推荐兼容JSON输出的模型
   

2. 配置搜索引擎

   cp .env.example .env  # 按需设置TAVILY_API_KEY/PERPLEXITY_API_KEY
   

3. 启动研究服务器
   powershell<br />uvx --refresh --from "langgraph-cli[inmem]" langgraph dev # Mac<br />pip install -e . &amp;&amp; langgraph dev # Windows<br />

💡 高级功能解析

可视化研究流程（LangGraph Studio）

访问https://smith.langchain.com/studio/?baseUrl=http://127.0.0.1:2024可实时查看：

• 知识图谱构建过程
• 每轮迭代的搜索结果
• 最终研究报告生成状态

Docker容器化部署技巧

docker run -p 2024:2024 -e SEARCH_API="tavily" \
  -e TAVILY_API_KEY="your_key" ollama-deep-researcher

注意：需单独配置OLLAMA_BASE_URL指向本地服务

⚠️ 常见问题解决方案

JSON输出异常处理

• 推荐模型：Llama3.2/DeepSeek R1(8B)
• 避坑指南：避免使用DeepSeek R1(7B)等不兼容模型
• 错误排查：GitHub Issue#18

浏览器兼容性优化

1. 首选Firefox访问LangGraph Studio
2. Safari用户需关闭”阻止跨站跟踪”设置
3. 检查控制台错误日志定位问题

🚀 企业级部署方案

通过LangChain Academy Module6实现：

• 多节点分布式部署
• 研究任务队列管理
• 自动化报告生成系统

📚 扩展资源

• TypeScript移植版
• IterDRAG算法原理解析
• 视频教程合集

立即体验智能研究革命：
GitHub仓库 | Docker镜像库 | 官方文档

“`