技术大佬 Lance Martin 通过 Ollama + DeepSeek 打造完全本地运行(无需调用 API)的网页研究助手。它可以使用 Ollama 托管的任何语言模型(LLM)。你只需要给它一个主题,它就会自动生成搜索关键词,搜索网页内容(默认通过 Tavily),整理并总结搜索结果。随后,它会检查总结中是否存在知识遗漏,针对这些空缺生成新的搜索关键词并继续查找信息,不断改进总结内容。这一过程可以根据你设定的循环次数反复进行。最后,它会生成一份包含所有参考来源的 Markdown 格式总结,方便你查看和使用。
如何用 Ollama + DeepSeek 打造本地运行的网页研究助手
Lance Martin 开源了一个本地运行的网页研究助手,基于 Ollama 与 DeepSeek,无需 API。它自动提取关键词、调用 Tavily 搜索、总结内容,并迭代补全知识缺口,最终生成带引用的 Markdown 报告,支持任意 Ollama 模型。
相关文章

ChatGPT 深度研究指南
OpenAI 为 ChatGPT 引入 Search 和 Deep Research 双模式搜索功能。 Search 实现即时网络检索与 AI 推理能力整合,适合快速查询。 Deep Research 则扮演代理角色,自主规划多步研究流程,生成结构化长篇报告。此举标志着 ChatGPT 从“问答引擎”向“研究工作站”的战略转型, AI 已从信息检索工具升级为具备自主推理能力的研究协作者。

AI 基础知识
本指南系统介绍了 AI 基础概念,帮助初学者建立清晰的认知框架。 AI 是一个包含多种技术的广泛领域,其中大语言模型专注于语言处理,其本质是基于上下文预测下一个语言单位。模型训练分为预训练和后训练两个阶段,前者赋予广泛技能,后者负责植入安全准则和交互风格。模型可分为快速响应的非推理模型和深度思考的推理模型,适用于不同场景。理解“AI—模型—大语言模型—产品”四个层级的包含关系,是有效使用 AI 工具的关键。
双智能体协作,告别单点故障时代
AI 博主 Alex Finn 演示了 OpenClaw 与 Hermes 的多智能体搭配方案,通过“主力规划 + 助手执行”的分工模式,实现成本与效率的最优解。该架构利用高性能模型负责复杂任务,轻量模型承担监控巡检,配合共享记忆机制,不仅将故障恢复时间从小时级压缩至秒级,还能避免重复踩坑。这种消除单点故障、按需分配任务的思路,适用于各类开发场景及多智能体协作系统。
评论区
围绕《如何用 Ollama + DeepSeek 打造本地运行的网页研究助手》展开交流,未登录用户可浏览评论,登录后可参与讨论。