档案库 · 产品创意 · 产品决策 · 2024–2026
LLocalSearch：打造完全运行在自有设备上的 Perplexity 风格答案引擎
本地 LLM 递归选择搜索工具，从实时网络获取答案——无需 API 密钥，无赞助商链接，每步操作实时记录。
nilsherzig
当时的题目
Perplexity had made LLM web search mainstream, but the economics of AI answers were turning into media placement — OpenAI's pitch to publishers promised priority placement and richer brand expression inside chat conversations. The developer behind LLocalSearch wanted the same question-answering experience with no API keys and no sponsored results, built locally on ordinary consumer hardware.
它是怎么成立的
LLocalSearch 源于一个简单的拒绝：开发者不希望自己的答案被出价最高者操控。README 直指 AI 公司向媒体售卖优先展示位，并在聊天对话中提供更丰富的链接呈现，随后它给出一个更公平的替代方案——一个本地运行的 Perplexity 风格引擎，模型、搜索和会话全在你自己的机器上，无需任何 API 密钥。
其机制是一个封装器，让本地运行的语言模型可以选择一组工具。模型可以搜索网页获取实时信息，阅读返回结果，再递归搜索——条件、循环和多次工具调用都在同一个对话里完成。由于演示跑在 7B 级模型和约 300 欧元的 GPU 上，这不过是业余玩家的配置，而非数据中心级别。
设计还让智能体透明可查：每个答案中的实时日志和链接展示模型在做什么，它的论断基于哪些页面，并且同一会话还支持追问。2024 年 4 月 3 日的 Show HN 获得 669 分和 133 条评论；仓库到 2026 年 6 月归档前累积了 5.9k 星，所有者当时宣布以私有测试重建项目。
妙在哪
- 所有权是全部卖点：没有 API 密钥、没有账号、没有云端依赖，所以模型、搜索和对话全在用户机器上。
- 递归让一个小模型发挥作用：不只是单个提示，而是模型可以反复调用工具，针对实时网页逐步优化回答，而不是仅依赖训练截止日期前的数据。
- 在对手售广告位的地方，透明度是建立信任的方式：实时日志和引用链接让用户核查每一步，而不是接受一个黑箱答案。
- 低端硬件降低了门槛：演示运行在约 300 欧元的 GPU 上，将本地 AI 搜索从数据中心梦想变为个人可以在家运行的事实。
做出来什么
The Show HN drew 669 points and 133 comments on 3 April 2024, the strongest debut in its batch, and the repository reached 5.9k stars before the owner archived it on 1 June 2026 while announcing a rewrite in private beta rather than publishing unfinished software.
可以借走的
当竞争者把答案作为广告位出售时，就用主权对抗：在用户硬件上运行模型、搜索和审计追踪，并公开推理过程。
后来
项目立刻引来关注和分支——归档前达到 5.9k 星、363 个分支和 182 次提交——发布页上满是在问硬件、模型和量化方案的帖子，作者都一一公开回答。2026 年 6 月 1 日，仓库变成只读并归档，说明该版本已停止开发超过一年；作者表示正在私有测试中重写并重新发布，先收集反馈再发布，而不是放出半成品。
资料来源
发现哪里写错了？告诉我们。
轮到你了
你刚读完一个点子。把你手上的题目说出来，看看谁接过同样的题。
免费账号 · 3 次免费提问 · 不用绑卡