Original en anglais: https://argusic.com/subject/local-deep-research
local-deep-research
~95% sur SimpleQA (par ex. Qwen3.6-27B sur une 3090). Prend en charge tous les LLM locaux et cloud (llama.cpp, Ollama, Google,...). 10+ moteurs de recherche: arXiv, PubMed, vos documents privés. Tout est local et chiffré.
Fonctionnesource : GitHubPythonMITcommit 2704df0e116b
Python, sous licence MIT. Le projet se décrit ainsi : academia, anthropic, arxiv, brave, deep research, encryption, home automation et homeserver.
local-deep-research fonctionne. Un agent Argusic l'a installé en 32 minutes et a rencontré 1 erreur, corrigée sans aide sur une machine propre sans GPU, et toute la session a été enregistrée.
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.
Ce que l'agent a obtenu sur une machine propre, dans ses propres mots. Comment c'est mesuré
Mesuré par Argusic sur une machine vierge, à chaque fois. Chaque chiffre renvoie à ses preuves. Score Argusic de 100 sur 100 (la moyenne des scores des exécutions de ce projet).
En un coup d'œil
Données du projet issues de GitHub, avec un lien en haut de cette page, mis à jour le . Données de test d'Argusic (CC BY 4.0) ; chaque chiffre renvoie à une page d'exécution avec le log complet, l'enregistrement et leurs empreintes sha256.
Ce qui a été mesuré
Tiré de l'exécution qui a décidé ce verdict. Chaque ligne est une valeur enregistrée, pas une estimation.
Ce qui s'est mal passé, dans les mots de l'agent
Les propres mots de l'agent, le plus grave en premier, jamais réécrits en conseils.
- Node.js v18.19.1 too old (<24)3 minutes
- Temps d'installation
- 32 minutes
- De la machine vierge à la fin
- 32 minutes
- Erreurs rencontrées et corrigées
- 1 rencontrée, 1 corrigée sans aide humaine
- Comment le résultat a été prouvé
- 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 modèle utilisés
- 703 718
- Commit exact testé
- 2704df0e116b
- Image de conteneur
- sha256:cdd920bce783
Ce qui n'a pas été mesuré
L'autre moitié, pour que vous voyiez exactement jusqu'où vont ces preuves. Une lacune est affichée comme une lacune et n'est jamais comblée.
- Pic de mémoire GPU
- cette exécution a eu lieu sur une machine CPU, il n'y avait donc pas de GPU à mesurer
- Comportement sur une longue durée
- chaque tentative utilise les réglages documentés les plus légers et un budget de temps fixe : on mesure donc s'il fonctionne, pas comment il tient sous la charge
La fin de l'enregistrement
Les dernières lignes de la session de terminal qui a décidé ce verdict, exactement telles qu'elles ont été enregistrées.
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.
Revoir toute la session, chaque commande depuis une machine propre jusqu'à ce point.
Comment le test a été mené
Un agent, un conteneur, aucune aide humaine. Il installe le projet comme l'indique sa propre documentation, l'exécute et corrige ce qui casse. Tout ce qui suit est enregistré tel que cela s'est passé : la session de terminal, le log et le commit exact. La méthode complète.
Points forts et limites
Des faits mesurés, pas des opinions. Comment ce site est rédigé.
Ce qui s'est bien passé
- A atteint un état de fonctionnement sur une machine propre, avec la session enregistrée.
- Installé en 32 minutes.
- S'est remis de 1 erreur sans intervention humaine, ce qui indique que les échecs sont assez bien documentés pour être résolus.
- A fonctionné sans GPU, il n'en a donc pas besoin pour démarrer.
- Sous licence MIT, selon son hébergeur.
Ce qui ne s'est pas bien passé, ou n'est pas connu
- Mesuré une seule fois jusqu'ici. Une seule tentative montre qu'il peut fonctionner, pas qu'il fonctionne de façon fiable.
Pour quoi c'est un choix raisonnable
- L'essayer sur un ordinateur portable ou un petit serveur : il a atteint un état de fonctionnement sans GPU.
Également testés, dans le même domaine
Chacun de ces projets a été installé et exécuté par Argusic sur une machine propre. Rien n'apparaît ici sans avoir été testé.
Historique des exécutions
| testé par | tentative | résultat | score | coût USD | date |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | Fonctionne | 100,00 | 0,09 |
Sujets (depuis GitHub)
academiaanthropicarxivbravedeep-researchencryptionhome-automationhomeserverlocallocal-deep-researchlocal-llmmistralollamaopenaipubmedresearchresearch-toolretrieval-augmented-generationsearxngself-hosted
Intégrer le badge
Markdown pour le README du projet. Il renvoie vers cette page ; conditions sur la page des conditions.
[](https://argusic.com/subject/local-deep-research)Questions
- local-deep-research fonctionne-t-il ?
- Oui. local-deep-research fonctionne. Argusic l'a installé et lancé sur une machine propre en 32 minutes, en rencontrant 1 erreur en route, et a enregistré la session.
- Comment Argusic a-t-il testé local-deep-research ?
- Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit 2704df0e116b. Une tentative est enregistrée, et la méthode complète se trouve sur la page de méthodologie.
- Combien a coûté le test de local-deep-research ?
- L'exécution qui a produit ce verdict a coûté 0,09 USD : le coût réel du calcul et du modèle, pas un prix catalogue par million de tokens. Il est enregistré sur la page de cette exécution.
- Combien de temps faut-il pour installer local-deep-research ?
- 32 minutes lors de l'exécution qui a décidé ce verdict, d'une machine propre à un état de fonctionnement. Il s'agit d'une tentative mesurée, pas d'une moyenne.
- local-deep-research a-t-il besoin d'un GPU ?
- Pas pour démarrer. Argusic a atteint un état de fonctionnement sur une machine sans GPU.
- Qu'est-ce qui pose problème lors de l'installation de local-deep-research ?
- 1 problème est survenu lors de l'exécution enregistrée, et 1 a été corrigé sans aide humaine. Chacun, avec le temps qu'il a coûté, est listé sur cette page.
- Où sont les preuves pour local-deep-research ?
- L'exécution enregistrée se trouve sur cette page, chacune avec un lien vers son log complet et son enregistrement du terminal, conservés avec une empreinte sha256 pour qu'ils ne puissent pas être modifiés discrètement.