deep-searcher：让私有文档自己攒出一份深度研究报告

手里攒了一堆 PDF、财报和内部文档，想问一个跨文件的问题，却只能把片段复制粘贴到聊天框里——这个仓库就是为这种场景写的。它把「检索 + 追问 + 成文」串成一条流水线，适合做行业调研、技术选型或资料综述的开发者与研究员直接跑起来看效果。

核心看点

私有数据不出门：索引与检索都指向本地 Milvus 或 Zilliz Cloud，文档不必上传到第三方服务；模型可换：OpenAI、DeepSeek、Ollama、vLLM、SiliconFlow 等接口都在配置里留了口子，本地起个推理服务也能跑；带界面的完整应用：前端 Next.js、后端 FastAPI 分开，另有 Python 包可直接调用检索与报告生成，不用自己从零拼 RAG 链路。

上手提示

先用 Docker 起一个向量库，填好模型 API Key 或本地推理地址，再灌入自己的文档目录即可。跑本地模型时注意显存占用，报告生成阶段会多次调用 LLM，速度取决于你选的模型；仓库采用 MIT 许可证，模型权重与第三方服务的条款请以各自 LICENSE 为准。

想先看效果，可以翻一翻 README 里的配置示例和演示截图，再决定要不要接自己的语料：zilliztech/deep-searcher。