本地深度研究工作流

为什么需要本地研究工作流

团队做技术调研时，常见路径是把问题丢给某个在线助手。这带来三个具体麻烦：查询词、文档片段、中间结论都会离开本机，涉密内容没法用；返回结果常常是一段没有出处的综述，无法验证；内部资料和公开资料要分开查，最后再手工合并，引用体例也不统一。

这个技能要解决的就是这三件事：把研究循环整个跑在本地，并且把引用和知识沉淀一起管起来。

它是怎么工作的

一条智能体研究循环。 技能驱动的是多轮 agentic pass，而不是单次问答。每一轮里，模型先拆解子问题，调用搜索后端取回候选材料，阅读后判断信息是否充分，不充分就继续追问，直到可以给出结论。

三类来源。

• web：通过 SearXNG 之类的搜索后端抓公开网页
• academic：学术文献检索路径
• local document：可选的私有文档库，把团队自己的资料纳入同一套流程

引用与知识库。 输出带引用的研究结果，同时把消化过的内容写进可搜索的本地知识库，库内容是加密的。后续研究可以复用已沉淀的部分，不必从头再搜一遍。

模型和运行时不绑定。 底层可以用 Ollama 跑本地模型，也可以接任何 OpenAI 兼容的 endpoint，运行时选 Docker 或 Python 均可。数据始终留在本机。

适用边界

• 技能本身不含模型权重和搜索后端，需要你自己准备好 LLM 端点和检索服务
• 研究质量取决于模型能力与搜索后端的覆盖范围；私有文档库要自己整理，索引质量直接决定召回效果
• 具体依赖版本、环境变量和排错步骤以上游仓库文档为准，这里只负责把流程串起来