准备环境：装好 Docker 和 Ollama

先装 Docker（一种让软件在“小盒子”里运行的工具，省去手动配置的麻烦）。去 Docker 官网下载安装，Windows/Mac 装 Docker Desktop，Linux 装 Docker Engine。装好后打开终端（命令行），运行 docker --version 能看到版本号就对了。

再装 Ollama（一个让你在本地运行 AI 模型的工具）。去 ollama.com 下载安装，完成后打开终端，运行 ollama pull llama3.2 下载一个小模型（约 2GB，耐心等）。下载完运行 ollama run llama3.2 能聊天就说明 Ollama 正常。

安装 LDR：一键启动研究助手

LDR（Local Deep Research）是一个开源的 AI 研究助手，能联网搜索并总结答案，所有数据加密存在本地。最快的方式是用 Docker Compose（Docker 的“一键启动”功能）。

1. 新建一个文件夹，比如 ldr-test，在里面新建文件 docker-compose.yml，内容复制自 LDR 官方仓库的示例（搜索 README 里的 docker-compose.yml）。
2. 打开终端，进入这个文件夹，运行 docker compose up -d。它会自动下载 LDR、Ollama 和搜索工具 SearXNG 的镜像，稍等 30 秒左右。
3. 打开浏览器，访问 http://localhost:5000。第一次会提示你设置密码（用于加密你的数据库），然后选择模型（选你刚才下载的 llama3.2）。

常见坑：如果端口 5000 被占用，可以在 docker-compose.yml 里把 5000:5000 改成 5001:5000，然后访问 http://localhost:5001。

验证是否成功：跑第一个查询

在网页的输入框里输入一个问题，比如“什么是深度学习？”，点击搜索。LDR 会先联网搜索（通过 SearXNG），然后让 AI 模型阅读结果并生成回答。几秒到十几秒后，你会看到一段总结，下面还有引用来源。恭喜，你已经跑通了本地 AI 研究助手！

如果想用 Python 代码调用（可选），先装 Python 包：pip install local-deep-research。然后新建一个 .py 文件，写入：

from ldr import Client
c = Client(base_url='http://localhost:5000', password='你的密码')
result = c.quick_research('深度学习入门')
print(result['summary'])

运行后会在终端打印总结。

下一步可以做什么

• 更换更强模型：在 Ollama 里下载更大的模型，比如 ollama pull llama3.1:70b（需要大内存），然后在 LDR 设置里切换。
• 连接你自己的知识库：LDR 支持接入 Chroma 等向量数据库，让你在内部文档上做深度研究。
• 使用 MCP 协议：如果你用 Claude Code，可以让 Claude 调用 LDR 做研究，避免填满上下文窗口。

现在，你已经拥有了一个私密、可控的 AI 研究助手，再也不怕数据泄露了。