Skip to main content
PromptQuorum
الرئيسية/LLM المحلية المتقدمة/مراجعة Local Deep Research 2026: وكيل بحث بالذكاء الاصطناعي ذاتي الاستضافة وموثّق بمصادر
Local AI Agents & Tool Use

مراجعة Local Deep Research 2026: وكيل بحث بالذكاء الاصطناعي ذاتي الاستضافة وموثّق بمصادر

·12 دقائق للقراءة·بقلم Hans Kuepper · مؤسس PromptQuorum، أداة إرسال الذكاء الاصطناعي متعددة النماذج · PromptQuorum
اقرأ بـ:
🇺🇸en🇩🇪de🇫🇷fr🇯🇵ja🇨🇳zh🇪🇸es🇧🇷pt🇸🇦ar🇰🇷ko

Local Deep Research وكيل بحث بالذكاء الاصطناعي مجاني ومفتوح المصدر وذاتي الاستضافة (المصدر على github.com/LearningCircuit/local-deep-research) يُشغّل بحثاً متعدد الخطوات عبر مصادر مثل arXiv وPubMed وويكيبيديا وGitHub والويب العام، ثم ينتج تقريراً موثّقاً بمصادر باستخدام نموذج لغوي تقوم أنت بضبطه. الأداة مرخّصة بموجب MIT وليس لها فئة مدفوعة — لا توجد صفحة تسعير في مستودع GitHub، والتكاليف الوحيدة هي أي مزوّد نموذج لغوي أو واجهة بحث تختار الاتصال بها. تُثبَّت عبر pip install local-deep-research، وتعمل مع النماذج المحلية عبر Ollama أو LM Studio أو llama.cpp، وتدعم أيضاً مزوّدين سحابيين (OpenAI، Anthropic، Google Gemini، OpenRouter) وواجهات بحث متميزة (Tavily، SerpAPI، Brave Search) كإضافات اختيارية.

Local Deep Research (github.com/LearningCircuit/local-deep-research) أداة Python مجانية ومفتوحة المصدر تُشغّل بحثاً متعدد الخطوات وقائماً على وكلاء وتنتج تقارير موثّقة بمصادر عبر استعلام مصادر مثل arXiv وPubMed وويكيبيديا والويب، ثم تلخيص النتائج باستخدام نموذج لغوي تقوم أنت بضبطه — نموذج محلي عبر Ollama أو llama.cpp، أو واجهة سحابية. تُثبَّت عبر pip install local-deep-research وتوفر واجهة ويب، ومكتبة Python، وواجهة سطر أوامر، وواجهة برمجية HTTP، وخادم MCP للتكامل مع Claude Desktop وClaude Code. تغطي هذه المراجعة ما تقدمه الأداة فعلياً، وكيفية تثبيتها وضبطها، وكيف تقارَن بوكلاء البحث والاستعلام الأخرى ذاتية الاستضافة.

النقاط الرئيسية

  • Local Deep Research مجاني ومفتوح المصدر؛ وملف LICENSE الرسمي هو MIT
  • يُشغّل بحثاً متعدد الخطوات وقائماً على وكلاء (لا استدعاء بحث وتلخيص واحد) وينتج تقارير موثّقة بروابط للمصادر
  • يعمل مع نماذج لغوية محلية — Ollama وLM Studio وllama.cpp خلفيات مدعومة — أو مزوّدين سحابيين (OpenAI، Anthropic Claude، Google Gemini، OpenRouter، Requesty)
  • مصادر البحث المجانية: arXiv، PubMed، Semantic Scholar، ويكيبيديا، SearXNG، GitHub، Wayback Machine، وThe Guardian؛ والخيارات المتميزة (Tavily، Google عبر SerpAPI، Brave Search) اختيارية وتتطلب مفاتيح واجهة برمجية خاصة بالمستخدم
  • الواجهات: واجهة ويب (localhost:5000)، ومكتبة Python (quick_query()، LDRClient)، وواجهة سطر أوامر، وواجهة REST موثّقة، وخادم MCP لـClaude Desktop وClaude Code
  • قواعد بيانات مشفّرة بـAES-256 لكل مستخدم، دون أي تتبع أو تحليلات أو مراقبة مدمجة في الأداة نفسها، وفق توثيق المشروع الرسمي
  • متاح عبر pip install local-deep-research أو Docker Compose (الذي يشغّل Ollama وSearXNG أيضاً إلى جانبه)
  • مستودع GitHub (github.com/LearningCircuit/local-deep-research) يُظهر نحو 9,100 نجمة حتى سبتمبر 2026

📍 في جملة واحدة

Local Deep Research وكيل بحث بالذكاء الاصطناعي مجاني ومفتوح المصدر وذاتي الاستضافة يُشغّل بحثاً متعدد الخطوات عبر مصادر أكاديمية وويبية وينتج تقريراً موثّقاً بمصادر باستخدام نموذج لغوي تقوم بضبطه، محلياً أو سحابياً.

💬 بعبارات بسيطة

بدلاً من سؤال روبوت محادثة سؤالاً واحداً والحصول على إجابة واحدة غير موثقة، يقسّم Local Deep Research سؤال البحث إلى خطوات متعددة، ويبحث في عدة مصادر (مثل arXiv وPubMed للمواضيع الأكاديمية، أو الويب المفتوح للمواضيع العامة)، ويكتب تقريراً يوثّق مصدر كل ادعاء — ويمكنك تشغيل العملية بأكملها على جهازك الخاص بنموذج محلي مثل Ollama، بحيث لا يغادر سؤال البحث نفسه حاسوبك أبداً.

📌ملاحظة: هذه المراجعة هي الرفيقة المتعمقة لمدخل Local Deep Research في دليل برمجيات النماذج اللغوية المحلية — راجع تلك الصفحة لمعرفة كيف يقارَن بسرعة بعشرات الأدوات الأخرى للذكاء الاصطناعي المحلي وذاتي الاستضافة.

ما هو Local Deep Research؟

Local Deep Research أداة Python لتشغيل بحث ذكاء اصطناعي متعدد الخطوات وموثّق بمصادر، باستخدام نموذج لغوي ومصادر بحث تضبطها بنفسك. يصف وصف المشروع على GitHub نفسه بأنه "مساعد بحث مدعوم بالذكاء الاصطناعي" للتحقيقات العميقة القائمة على الوكلاء، مؤكداً أنه يُشغّل "كل شيء محلياً ومشفّراً" عند ضبطه بنماذج محلية — خيار تصميم موجّه للباحثين الذين يريدون إجابة موثقة بمصادر بدلاً من رد محادثة واحد غير موثق.

  • الوظيفة الأساسية: وكيل يخطط وينفذ بحثاً متعدد الخطوات (لا استعلاماً واحداً)، مستقياً من مصادر أكاديمية وويبية قابلة للضبط، ثم يكتب تقريراً موثّقاً بمصادر
  • خلفيات النماذج اللغوية: نماذج محلية عبر Ollama (نقطة النهاية الافتراضية http://localhost:11434)، أو LM Studio، أو llama.cpp؛ كما تُدعم واجهات سحابية مثل OpenAI وAnthropic Claude وGoogle Gemini وOpenRouter وRequesty
  • مصادر البحث: تشمل الخيارات المجانية arXiv وPubMed وSemantic Scholar وويكيبيديا وSearXNG وGitHub وWayback Machine وThe Guardian؛ وتتطلب الخيارات المتميزة (Tavily، Google عبر SerpAPI، Brave Search) مفاتيح واجهة برمجية خاصة بالمستخدم
  • الترخيص: MIT، وهو ترخيص مفتوح المصدر متساهل
  • الجهة المطوّرة: منظمة LearningCircuit على GitHub — المكان الرسمي والنشط لكود مصدر المشروع وإصداراته ومتتبع مشكلاته
  • الواجهات: واجهة ويب عبر المتصفح، وواجهة برمجية Python (فئتا quick_query() وLDRClient)، وواجهة سطر أوامر للقياس المرجعي والأتمتة، وواجهة REST موثّقة، وخادم MCP لـClaude Desktop وClaude Code

تاريخ مشروع Local Deep Research ومحطات إصداراته

أصدر Local Deep Research تحديثات مستمرة، ويُظهر مستودع GitHub آلاف الالتزامات (commits) على الفرع الرئيسي حتى وقت إعداد هذه المراجعة، مضيفاً تكاملات مصادر بحث وخادم MCP وقواعد بيانات مشفّرة لكل مستخدم على طول الطريق. المحطات أدناه مستقاة من نشاط المستودع العام للمشروع — راجع مستودع GitHub مباشرة للاطلاع على التاريخ الكامل والحالي.

  1. 1
    محرك بحث أساسي متعدد الخطوات وواجهة سطر أوامر
    Why it matters: الحلقة التأسيسية للبحث القائم على الوكلاء — تخطيط استعلام، والبحث في مصادر متعددة، وتوليف إجابة موثّقة بمصادر — بدلاً من استدعاء بحث وتلخيص واحد.
  2. 2
    تكاملات مصادر بحث أكاديمية وويبية مجانية (arXiv، PubMed، Semantic Scholar، ويكيبيديا، SearXNG، GitHub، Wayback Machine، The Guardian)
    Why it matters: تمنح الوكيل وصولاً إلى أدبيات أكاديمية قابلة للاستشهاد ومصادر ويب عامة دون الحاجة إلى واجهة بحث مدفوعة.
  3. 3
    دعم خلفيات نماذج لغوية محلية (Ollama، LM Studio، llama.cpp)
    Why it matters: يتيح تشغيل حلقة البحث بأكملها — التخطيط، البحث، وتوليد التقرير — مقابل نموذج على عتادك الخاص، دون إرسال أي استعلام بحث إلى طرف ثالث.
  4. 4
    نشر عبر Docker Compose مع Ollama وSearXNG مرفقين
    Why it matters: يبسّط الاستضافة الذاتية بتشغيل خادم النموذج المحلي ومحرك بحث ذاتي الاستضافة (SearXNG) إلى جانب وكيل البحث في أمر واحد `docker compose up -d`.
  5. 5
    قواعد بيانات مشفّرة بـAES-256 لكل مستخدم
    Why it matters: يضيف تشفيراً على مستوى قاعدة بيانات كل مستخدم لسجل البحث والنتائج، مهم لمن يستضيف Local Deep Research ذاتياً لعدة مستخدمين.
  6. 6
    خادم MCP لـClaude Desktop وClaude Code
    Why it matters: يتيح لـLocal Deep Research العمل كأداة داخل Claude Desktop أو Claude Code عبر بروتوكول سياق النموذج، لا فقط كواجهة ويب أو سطر أوامر مستقل.
  7. 7
    v1.10.3 — اشتراط تثبيت رابط نسخة SearXNG
    Why it matters: اعتباراً من هذا الإصدار، يتطلب استخدام محركات بحث SearXNG المحلية تثبيت رابط النسخة في الإعدادات — موثّق في ملف `docs/SearXNG-Setup.md` الخاص بالمشروع، وهو أحدث تغيير خاص بإصدار تمكّنت هذه المراجعة من التحقق منه.

ماذا يمكنك فعله مع Local Deep Research؟

تتمحور مجموعة ميزات Local Deep Research حول تحويل سؤال بحث إلى تحقيق موثّق بمصادر ومتعدد الخطوات، مع دعم النماذج المحلية كخيار أساسي لا كفكرة لاحقة. إليك ما تقوم به كل ميزة فعلياً، وفق ملف README الرسمي على GitHub الخاص بالمشروع.

  • أوضاع البحث — ملخصات سريعة لنظرة عامة سريعة، وبحث تفصيلي لتحقيق أعمق متعدد المصادر، وتوليد تقرير كامل، وتحليل مستندات على ملفات تقدّمها
  • بحث قائم على وكلاء متعدد الخطوات — يخطط الوكيل نهج بحث، ويستعلم عن مصادر مُعدَّة متعددة، ويوليف النتائج في تقرير موثّق بروابط لكل مصدر، بدلاً من إعادة إجابة محادثة واحدة غير موثقة
  • دعم النماذج اللغوية المحلية — شغّل خط أنابيب البحث والكتابة بأكمله مقابل نموذج محلي عبر Ollama (افتراضياً http://localhost:11434)، أو LM Studio (http://localhost:1234/v1)، أو llama.cpp (http://localhost:8080/v1)، بحيث لا يغادر سؤال البحث ونتائجه جهازك أبداً
  • دعم النماذج اللغوية السحابية — اتصل بـOpenAI أو Anthropic Claude أو Google Gemini أو OpenRouter (أكثر من 100 نموذج) أو Requesty (أكثر من 100 نموذج) كبديل اختياري لنموذج محلي
  • مصادر بحث أكاديمية وويبية — تشمل المصادر المجانية arXiv وPubMed وSemantic Scholar وويكيبيديا وSearXNG (بحث تلقائي ذاتي الاستضافة) وGitHub وWayback Machine وThe Guardian؛ وتتطلب المصادر المتميزة (Tavily، Google عبر SerpAPI، Brave Search) مفتاح واجهة برمجية خاصاً بالمستخدم
  • بحث مخصص ومستندات محلية — ابحث في مستنداتك المحلية الخاصة، واتصل بمسترجعات LangChain، أو ادمج مصادر متعددة في إعداد بحث تلقائي شامل
  • اشتراكات إخبارية — أعدّ ملخصات بحث آلية ومتكررة حول موضوع بجدول تسليم قابل للتخصيص
  • واجهة REST ولوحة تحليلات وأدوات قياس مرجعي — واجهة HTTP موثّقة مع حماية CSRF، ولوحة لتتبع عمليات البحث، وأدوات قياس مرجعي مدمجة لمقارنة إعدادات النموذج/البحث
  • التصدير والتكامل — صدّر تقارير البحث إلى PDF أو Markdown، واتصل بـLocal Deep Research بـClaude Desktop أو Claude Code كخادم MCP

أمثلة استخدام: ثلاث طرق لاستخدام Local Deep Research

هذه سيناريوهات عملية مبنية على ميزات Local Deep Research الموثقة أعلاه — وليست حالات استخدام افتراضية.

تسعير Local Deep Research: هل هو مجاني فعلاً؟

نعم — ليس لدى Local Deep Research نفسه فئة مدفوعة. مستودع GitHub لا يحتوي صفحة تسعير، وترخيص MIT ينطبق على قاعدة الكود بأكملها دون أي ميزة محجوبة خلف الدفع. التكاليف التي قد تتكبدها فعلياً تأتي من مزوّد النموذج اللغوي ومصادر البحث التي تختار الاتصال بها، لا من Local Deep Research نفسه.

برنامج Local Deep Research

التكلفة:
مجاني، مرخّص بموجب MIT، بلا حدود استخدام تفرضها الأداة نفسها

خلفية نموذج لغوي محلي (Ollama، LM Studio، llama.cpp)

التكلفة:
مجانية — تعمل على عتادك الخاص، بلا تكلفة واجهة برمجية لكل استعلام

خلفية نموذج لغوي سحابي (OpenAI، Anthropic، Gemini، OpenRouter، Requesty)

التكلفة:
ادفع للمزوّد مباشرة مقابل استخدام الواجهة؛ لا يضيف Local Deep Research هامش ربح

مصادر بحث مجانية (arXiv، PubMed، ويكيبيديا، SearXNG، GitHub، إلخ)

التكلفة:
مجانية، ولا تتطلب معظمها مفتاح واجهة برمجية

إعداد محلي بالكامل — نموذج محلي عبر Ollama مع مصادر بحث مجانية مثل arXiv وPubMed وSearXNG — يمكن أن يشغّل Local Deep Research بتكلفة شبه معدومة بخلاف عتادك وكهربائك. إضافة مزوّدي نماذج لغوية سحابية أو مصادر بحث متميزة يُدخل تكاليف استخدام من هؤلاء المزوّدين، منفصلة تماماً عن قاعدة كود Local Deep Research المجانية والمرخّصة بموجب MIT.

Local Deep Research مقابل Vane

Local Deep Research وVane (المعروف سابقاً باسم Perplexica) كلاهما بديلان مفتوحا المصدر وذاتيا الاستضافة لمنتجات بحث ذكاء اصطناعي مغلقة، لكنهما يستهدفان عمقي بحث مختلفين. صُمّم Vane للإجابة عن سؤال بسرعة برد موثّق بمصادر بأسلوب Perplexity؛ بينما صُمّم Local Deep Research لتحقيقات أعمق ومتعددة الخطوات قد تستغرق وقتاً أطول بكثير لكنها تغطي أرضاً أوسع.

حالة الاستخدام الأساسية

Local Deep Research:
تقارير بحث عميقة متعددة الخطوات وموثّقة بمصادر
Vane:
إجابة سريعة بأسلوب Perplexity وموثّقة بمصادر

المصادر الأكاديمية

Local Deep Research:
arXiv وPubMed وSemantic Scholar مدمجة
Vane:
راجع مراجعة Vane المخصصة لقائمة مصادره

دعم النماذج اللغوية المحلية

Local Deep Research:
Ollama وLM Studio وllama.cpp
Vane:
راجع مراجعة Vane المخصصة للخلفيات المدعومة

الواجهات

Local Deep Research:
واجهة ويب، مكتبة Python، سطر أوامر، REST، خادم MCP
Vane:
راجع مراجعة Vane المخصصة لخيارات واجهته

الترخيص

Local Deep Research:
MIT
Vane:
راجع مراجعة Vane المخصصة لتفاصيل الترخيص الحالية

عمق التقرير

Local Deep Research:
تقارير متعددة الخطوات، أوضاع بحث من ملخص سريع إلى تقرير كامل
Vane:
إجابات فردية أو محادثة، بلا وضع تقرير متعدد الخطوات مخصص

إذا كانت حاجتك الأساسية إجابة سريعة وموثّقة بمصادر على سؤال محدد أثناء التصفح — بديل Perplexity ذاتي الاستضافة — فـVane يناسب حالة الاستخدام هذه مباشرة؛ راجع مراجعة Vane الكاملة. وإذا كانت حاجتك الأساسية تقرير بحث أطول ومتعدد المصادر يمكنك تصديره والاستشهاد به، فتصميم Local Deep Research الأعمق والمتعدد الخطوات أنسب.

لمن يناسب Local Deep Research؟

ملاءمة Local Deep Research لك تعتمد على ما إذا كنت تحتاج فعلياً مخرجات بحث موثّقة بمصادر ومتعددة الخطوات، وتشعر بالارتياح لتشغيل أداة Python بخلفية نموذج لغوي تضبطها بنفسك.

Local Deep Research مقابل أدوات البحث والوكلاء الأخرى

يقع Local Deep Research ضمن فئة أوسع من الأدوات ذاتية الاستضافة للبحث المدعوم بالذكاء الاصطناعي وسير عمل البحث/الوكلاء المستقلين. إليك كيف يقارَن بخيارات أخرى في هذا المجال — راجع دليل برمجيات النماذج اللغوية المحلية للكتالوج الكامل، ومقارنة Local Deep Research مقابل Vane المخصصة أعلاه للمقارنة الوجهاً لوجه الأقرب.

  • Vane (المعروف سابقاً باسم Perplexica) — محرك إجابة بالذكاء الاصطناعي ذاتي الاستضافة بأسلوب Perplexity، مصمم لبحث موثّق بمصادر وسريع ومن محادثة واحدة بدلاً من تقارير عميقة متعددة الخطوات؛ راجع قسم المقارنة المخصص أعلاه ومراجعة Vane للتفاصيل الكاملة.
  • Onyx (المعروف سابقاً باسم Danswer) — منصة بحث مؤسسي وRAG ذاتية الاستضافة مصممة للاستعلام عن مستندات المؤسسة الداخلية والموصلات، وهي حالة استخدام مختلفة عن تركيز Local Deep Research على البحث الأكاديمي/الويبي؛ راجع مراجعة Onyx.
  • Agent Zero — إطار عمل وكيل مستقل عام الغرض قادر على البحث ضمن أنواع مهام عديدة أخرى، أوسع نطاقاً لكنه غير متخصص في البحث الأكاديمي الموثّق بمصادر كما هو حال Local Deep Research؛ راجع مراجعة Agent Zero.
  • BabyAGI — إطار عمل وكيل إدارة مهام مستقل مبكر ومؤثر؛ سياق مفيد لكيفية تطوّر حلقات البحث القائمة على الوكلاء، وإن كان أقل تخصصاً في مخرجات بحث موثّقة بمصادر من Local Deep Research؛ راجع مراجعة BabyAGI.

أخطاء شائعة عند تقييم Local Deep Research

معظم اللبس حول Local Deep Research ينشأ من افتراض أنه يعمل مثل روبوت محادثة بسؤال واحد، أو سوء فهم أي أجزاء من خط أنابيبه تعمل محلياً فعلياً، أو المبالغة في تعميم أرقامه المعيارية المُبلَّغ عنها.

الأسئلة الشائعة

ما هو Local Deep Research؟

Local Deep Research (المصدر على github.com/LearningCircuit/local-deep-research) أداة Python مجانية ومفتوحة المصدر تُشغّل بحثاً متعدد الخطوات وقائماً على وكلاء عبر مصادر أكاديمية وويبية وتنتج تقريراً موثّقاً بمصادر باستخدام نموذج لغوي تقوم بضبطه، محلياً أو سحابياً.

هل Local Deep Research مجاني؟

نعم. الأداة نفسها مجانية ومرخّصة بموجب MIT، بلا صفحة تسعير وبلا فئة مدفوعة. إذا اتصلت بمزوّد نموذج لغوي سحابي أو واجهة بحث متميزة، تدفع لذلك المزوّد مباشرة — لا يضيف Local Deep Research هامش ربح.

هل Local Deep Research مفتوح المصدر؟ وما الترخيص الذي يستخدمه؟

نعم، إنه مفتوح المصدر بموجب ترخيص MIT، مؤكَّد ذلك عبر ملف LICENSE في مستودعه على GitHub.

هل يمكن أن يعمل Local Deep Research دون اتصال بالكامل / محلياً بالكامل؟

نعم، إذا ضُبط بهذا الشكل. استخدام خلفية نموذج لغوي محلي (Ollama أو LM Studio أو llama.cpp) مع مصادر مجانية مثل arXiv وPubMed وويكيبيديا ونسخة SearXNG ذاتية الاستضافة يُبقي خط أنابيب البحث والتوليد على عتادك الخاص. تبقى طلبات البحث العامة إلى مصادر مثل arXiv أو ويكيبيديا مغادرة جهازك للوصول إلى تلك الخدمات العامة، وهو اعتبار منفصل عن كون استدلال نموذجك اللغوي محلياً.

كيف أثبّت Local Deep Research؟

ثبّت عبر pip install local-deep-research وشغّل python -m local_deep_research.web.app، أو استخدم docker compose up -d مع ملف Docker Compose الخاص بالمستودع، الذي يشغّل أيضاً Ollama وSearXNG إلى جانب التطبيق.

ما مزوّدو النماذج اللغوية التي يدعمها Local Deep Research؟

الخلفيات المحلية: Ollama وLM Studio وllama.cpp. المزوّدون السحابيون: OpenAI وAnthropic Claude وGoogle Gemini وOpenRouter (أكثر من 100 نموذج) وRequesty (أكثر من 100 نموذج)، بالإضافة إلى نقاط نهاية مخصصة متوافقة مع OpenAI وAnthropic.

ما مصادر البحث التي يستخدمها Local Deep Research؟

تشمل المصادر المجانية arXiv وPubMed وSemantic Scholar وويكيبيديا وSearXNG وGitHub وWayback Machine وThe Guardian. تشمل المصادر المتميزة الاختيارية Tavily وGoogle (عبر SerpAPI) وBrave Search، وكل منها يتطلب مفتاح واجهة برمجية خاصاً بالمستخدم.

هل لدى Local Deep Research واجهة برمجية أو دعم MCP؟

نعم. يوفر واجهة REST موثّقة مع حماية CSRF، ومكتبة Python (quick_query()، LDRClient)، وخادم MCP للتكامل مع Claude Desktop وClaude Code.

كيف يختلف Local Deep Research عن Vane (المعروف سابقاً باسم Perplexica)؟

صُمّم Vane لإجابات سريعة وموثّقة بمصادر من محادثة واحدة بأسلوب Perplexity. أما Local Deep Research فمصمم لبحث أعمق ومتعدد الخطوات بأوضاع بحث مخصصة (من ملخص سريع إلى تقرير كامل) ومصادر أكاديمية مدمجة مثل arXiv وPubMed — راجع قسم المقارنة المخصص أعلاه.

من يطوّر Local Deep Research؟

يُصان Local Deep Research تحت منظمة LearningCircuit على GitHub، التي تستضيف كود المصدر النشط للمشروع وإصداراته ومتتبع مشكلاته.

المصادر

← العودة إلى LLM المحلية المتقدمة