Original em inglês: https://argusic.com/subject/local-deep-research
local-deep-research
~95% no SimpleQA (por exemplo, Qwen3.6-27B em uma 3090). Suporta todos os LLMs locais e em nuvem (llama.cpp, Ollama, Google,...). 10+ mecanismos de busca: arXiv, PubMed, seus documentos privados. Tudo local e criptografado.
Executafonte: GitHubPythonMITcommit 2704df0e116b
Python, licença MIT. O projeto se descreve como: academia, anthropic, arxiv, brave, deep research, encryption, home automation e homeserver.
local-deep-research executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 32 minutos e encontrou 1 erro, corrigindo-o sem ajuda, e a sessão inteira foi gravada.
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.
O que o agent conseguiu em uma máquina limpa, nas palavras dele. Como isto é medido
Medido pela Argusic em uma máquina nova, todas as vezes. Cada número tem link para as suas evidências. Pontuação Argusic 100 de 100 (a média das pontuações das execuções deste projeto).
Visão geral
Dados do projeto de GitHub, com link no topo desta página, atualizado em . Dados de teste da Argusic (CC BY 4.0); cada número tem link para uma página de execução com o log completo, a gravação e os hashes sha256 deles.
O que foi medido
Da execução que decidiu este veredito. Cada linha é um valor registrado, não uma estimativa.
O que deu errado, nas palavras do agent
As palavras do próprio agent, das piores para as menores, nunca reescritas como conselho.
- Node.js v18.19.1 too old (<24)3 minutos
- Tempo de instalação
- 32 minutos
- Da máquina limpa até o fim
- 32 minutos
- Erros encontrados e corrigidos
- 1 encontrado, 1 corrigido sem ajuda humana
- Como o resultado foi comprovado
- 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 exato testado
- 2704df0e116b
- Imagem do container
- sha256:cdd920bce783
O que não foi medido
A outra metade, para você ver exatamente até onde estas evidências vão. Uma lacuna é mostrada como lacuna e nunca é preenchida.
- Pico de memória da GPU
- esta execução foi em uma máquina com CPU, então não havia GPU para medir
- Comportamento em uma execução longa
- cada tentativa usa as menores configurações documentadas e um orçamento de tempo fixo, então isto mede se ele executa, não como ele se comporta sob carga
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
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.
Reproduzir a sessão inteira, cada comando desde a máquina limpa até este ponto.
Como foi testado
Um agent, um container, nenhuma ajuda humana. Ele instala o projeto do jeito que a própria documentação do projeto manda, executa o projeto e corrige o que quebra. Tudo abaixo é registrado como aconteceu: a sessão de terminal, o log e o commit exato. A metodologia completa.
Pontos fortes e limites
Fatos medidos, não opiniões. Como este conteúdo é escrito.
O que deu certo
- Chegou a um estado de execução em uma máquina limpa, com a sessão gravada.
- Instalado em 32 minutos.
- Recuperou-se do único erro sem que uma pessoa interviesse, o que indica que as falhas estão documentadas o suficiente para serem resolvidas.
- Executou sem GPU, então não precisa de uma para iniciar.
- Licença MIT, segundo a plataforma onde o projeto está hospedado.
O que não deu certo, ou não se sabe
- Medido uma vez até agora. Uma única tentativa mostra que ele pode executar, não que executa de forma confiável.
Para que é uma escolha razoável
- Testar em um laptop ou em um servidor pequeno: ele chegou a um estado de execução sem GPU.
Também testados, na mesma área
Cada um destes foi instalado e executado pela Argusic em uma máquina limpa. Nada aparece aqui sem ter sido testado.
Histórico de execuções
Tópicos (de GitHub)
academiaanthropicarxivbravedeep-researchencryptionhome-automationhomeserverlocallocal-deep-researchlocal-llmmistralollamaopenaipubmedresearchresearch-toolretrieval-augmented-generationsearxngself-hosted
Incorporar o selo
Markdown para o README do projeto. Ele tem link de volta para esta página; os termos estão na página de termos.
[](https://argusic.com/subject/local-deep-research)Perguntas
- local-deep-research executa?
- Sim. local-deep-research executa. A Argusic o instalou e iniciou em uma máquina limpa em 32 minutos, encontrando 1 erro no caminho, e gravou a sessão.
- Como a Argusic testou local-deep-research?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 2704df0e116b. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar local-deep-research?
- A execução que produziu este veredito custou US$ 0,09: custo real de computação e de modelo, não um preço de tabela por milhão de tokens. Esse valor está registrado na página da execução.
- Quanto tempo leva para instalar local-deep-research?
- 32 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- local-deep-research precisa de GPU?
- Não para iniciar. A Argusic chegou a um estado de execução em uma máquina sem GPU.
- O que dá errado ao instalar local-deep-research?
- 1 coisa quebrou na execução registrada, e 1 foi corrigida sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Onde estão as evidências de local-deep-research?
- A execução registrada está nesta página, cada uma com link para o seu log completo e a sua gravação do terminal, guardados com uma impressão digital sha256 para que não possam ser alterados discretamente.