Original en inglés: https://argusic.com/subject/local-deep-research
local-deep-research
~95% en SimpleQA (p. ej. Qwen3.6-27B en una 3090). Admite todos los LLMs locales y en la nube (llama.cpp, Ollama, Google,...). 10+ motores de búsqueda - arXiv, PubMed, tus documentos privados. Todo local y cifrado.
Funcionafuente: GitHubPythonMITcommit 2704df0e116b
Python, licencia MIT. El proyecto se describe a sí mismo como: academia, anthropic, arxiv, brave, deep research, encryption, home automation y homeserver.
local-deep-research funciona. Un agent de Argusic lo instaló en 32 minutos y encontró 1 error, corregido sin ayuda en una máquina limpia sin GPU, y toda la sesión quedó grabada.
The project installs cleanly via pip install -e . its FastAPI web server launches and responds with HTTP 200, the Vite frontend builds successfully, and over 700 pytest tests pass across all major subsystems.
Lo que el agent consiguió en una máquina limpia, en sus propias palabras. Cómo se mide
Medido por Argusic en una máquina limpia cada vez. Cada cifra enlaza a su evidencia. Puntuación Argusic de 100 sobre 100 (la media de las puntuaciones de las ejecuciones de este proyecto).
De un vistazo
Datos del proyecto de GitHub, enlazados al principio de esta página, actualizado . Datos de prueba de Argusic (CC BY 4.0); cada cifra enlaza a una página de ejecución con el log completo, la grabación y sus hashes sha256.
Qué se midió
De la ejecución que decidió este veredicto. Cada línea es un valor registrado, no una estimación.
Qué salió mal, en palabras del propio agent
Las palabras del propio agent, de lo más grave a lo menos, nunca reescritas como consejos.
- Node.js v18.19.1 too old (<24)3 minutos
- Tiempo de instalación
- 32 minutos
- De máquina en frío a terminar
- 32 minutos
- Errores encontrados y corregidos
- 1 encontrados, 1 corregidos sin ayuda humana
- Cómo se demostró el resultado
- ldr-web started uvicorn on 127.0.0.1:5000; curl returned HTTP 200 with text/html content-type; npm run build produced dist assets in 937ms; pytest on 25+ test modules returned all green with ~700+ passed
- Tokens de modelo usados
- 703.718
- Commit exacto probado
- 2704df0e116b
- Imagen del contenedor
- sha256:cdd920bce783
Qué no se midió
La otra mitad, para que veas exactamente hasta dónde llega esta evidencia. Un hueco se muestra como hueco y nunca se rellena.
- Memoria de GPU máxima
- se ejecutó en una máquina con CPU, así que no había GPU que muestrear
- Comportamiento en una ejecución larga
- cada intento usa la configuración documentada más pequeña y un presupuesto de tiempo fijo, así que esto mide si funciona, no cómo aguanta bajo carga
El final de la grabación
Las últimas líneas de la sesión de terminal que decidió este veredicto, tal como se registraron.
3. Launched `ldr-web` which started uvicorn with the FastAPI app — served HTTP 200 on port 5000, SQ… 4. Ran ~700+ tests across 18+ test modules: all passed. Only one fix was needed: the Node.js version. tokens used 703,718 Here's the comprehensive assessment. I started the install process and tracked all errors. Here's the timeline: 1. **Install** created a venv, installed pdm via pip, then did `pip install -e ".[dev,test]"` which… 2. Node.js v18 was present but the project requires >=24. Upgraded via nvm to v24.21.0, then `npm i… 3. Launched `ldr-web` which started uvicorn with the FastAPI app — served HTTP 200 on port 5000, SQ… 4. Ran ~700+ tests across 18+ test modules: all passed. Only one fix was needed: the Node.js version.
Reproducir la sesión completa, cada comando desde una máquina limpia hasta este punto.
Cómo se probó
Un agent, un contenedor, sin ayuda humana. Instala el proyecto como indica su propia documentación, lo ejecuta y arregla lo que falla. Todo lo de abajo se registró tal como ocurrió: la sesión de terminal, el log y el commit exacto. La metodología completa.
Puntos fuertes y límites
Hechos medidos, no opiniones. Cómo se redacta.
Qué salió bien
- Llegó a funcionar en una máquina limpia, con la sesión grabada.
- Se instaló en 32 minutos.
- Se recuperó de su único error sin que interviniera una persona, lo que indica que el fallo está lo bastante documentado como para resolverlo.
- Funcionó sin GPU, así que no necesita una para arrancar.
- Licencia MIT, según su plataforma de origen.
Qué no salió bien, o no se sabe
- Medido una sola vez hasta ahora. Un único intento demuestra que puede funcionar, no que funcione de forma fiable.
Para qué es una opción razonable
- Probarlo en un portátil o en un servidor pequeño: llegó a funcionar sin GPU.
También probados, en la misma área
Argusic instaló y ejecutó cada uno de estos proyectos en una máquina limpia. Aquí no aparece nada que no se haya probado.
Historial de ejecuciones
Temas (de GitHub)
academiaanthropicarxivbravedeep-researchencryptionhome-automationhomeserverlocallocal-deep-researchlocal-llmmistralollamaopenaipubmedresearchresearch-toolretrieval-augmented-generationsearxngself-hosted
Insertar el badge
Markdown para el README del proyecto. Enlaza de vuelta aquí; condiciones en la página de términos.
[](https://argusic.com/subject/local-deep-research)Preguntas
- ¿Funciona local-deep-research?
- Sí. local-deep-research funciona. Argusic lo instaló y lo inició en una máquina limpia en 32 minutos, con 1 error por el camino, y grabó la sesión.
- ¿Cómo probó Argusic local-deep-research?
- En una máquina limpia y desechable, con cada comando grabado y el repositorio fijado en el commit 2704df0e116b. Hay un intento registrado, y la metodología completa está en la página de metodología.
- ¿Cuánto costó probar local-deep-research?
- La ejecución que produjo este veredicto costó 0,09 USD: costo real de cómputo y de modelo, no un precio de lista por millón de tokens. Consta en la página de esa ejecución.
- ¿Cuánto tarda local-deep-research en instalarse?
- 32 minutos en la ejecución que decidió este veredicto, desde una máquina limpia hasta que funcionó. Es un intento medido, no una media.
- ¿Necesita local-deep-research una GPU?
- No para arrancar. Argusic consiguió que funcionara en una máquina sin GPU.
- ¿Qué falla al instalar local-deep-research?
- En la ejecución registrada falló 1 cosa, y 1 se corrigió sin ayuda humana. Cada una, con el tiempo que costó, aparece en esta página.
- ¿Dónde está la evidencia de local-deep-research?
- La ejecución registrada está en esta página, cada una enlazada a su log completo y a su grabación de terminal, guardados con una huella sha256 para que no se puedan alterar en silencio.