导师要求一天完成综述，我7分钟搞定——打造一个全本地DeepResearch助手

1. 项目背景

Local Deep Researcher 是一个本地化运行的 AI 研究助手，旨在通过结合大语言模型（LLM）和搜索工具，实现自动化深度研究并生成结构化报告。该项目由 LangChain AI 开发，支持本地模型（例如通过 Ollama 运行的 deepseek-r1:7b）和云端模型（例如 Claude、GPT），并集成了多种搜索引擎（如 Tavily、DuckDuckGo）。其本地优先的设计确保了数据隐私和灵活性，非常适合开发者、研究人员以及希望在本地使用 AI 的爱好者~

接下来让我们一起来实战实现吧~

2. 代码实战

2.1 配置 Ollama

安装大模型

在使用 Ollama 之前，你需要安装相应的大模型。Ollama 提供了便捷的方式来下载和管理模型。

查找可用模型

你可以通过访问 Ollama 模型库 来查看可用的大模型列表，了解每个模型的特点和适用场景。

安装指定模型

使用 ollama pull 命令来安装你选择的大模型。例如，如果你想安装 deepseek-r1:7b 模型，可以运行以下命令：

ollama pull deepseek-r1:7b

在执行该命令时，Ollama 会从官方源下载模型文件并存储在本地。下载过程可能需要一些时间，具体取决于你的网络速度和模型大小。

确认模型安装情况

安装完成后，你可以运行 ollama list 命令来确认模型是否已成功安装：

ollama list

该命令会列出当前已安装的大模型的相关信息，包括模型名称、版本等。如果 deepseek-r1:7b 出现在列表中，则表示模型安装成功。

测试连接

运行测试命令：

docker run --rm curlimages/curl curl -v http://host.docker.internal:11434/api/tags

有信息