本地智能研究管家

本地优先的研究编排引擎，基于SQLite实现零成本、高可靠性的长期研究任务管理，确保数据完全本地可控。

基本信息

• 技能名称?vault
• 中文名称?本地智能研究管家
• 作者?zuiho-kai
• 分类?效率
• 版本?v1.1.2
• 标签?data-analytics, education-research, productivity, automation, database, privacy, local-first

使用方法

使用说明
核心用法
ResearchVault Brain 是一款专为长期研究任务设计的本地编排引擎，采用 SQLite 作为核心存储，所有数据默认保存在 ~/.researchvault// 目录下。用户通过命令行工具 vault.py 完成全流程操作：使用 init 初始化研究项目并设定目标；通过 scuttle 命令安全摄取多源数据（支持 Reddit、YouTube、Grokipedia 及 Web 等），内置 SSRF 防护确保网络安全；借助 summary 和 status 实时监控项目进展；最终通过 export 将研究成果导出为 Markdown 等格式。此外，该工具还提供 MCP 服务器接口、分歧推理分支管理、本地向量相似性合成分析、低置信度发现自动验证，以及 Watchdog 后台监控模式等高级功能。
显著优点
零外部成本与完全本地可控 ：所有数据存储于本地 SQLite 数据库，无需云服务订阅，杜绝数据外泄风险，特别适合处理敏感研究内容。 企业级安全防护 ：内置多层 SSRF 防护机制，包括 IP 范围限制、主机名验证、协议白名单和请求超时控制；全面采用参数化查询，彻底杜绝 SQL 注入；无动态代码执行或反序列化风险。 丰富的功能生态 ：不仅支持基础的项目管理，还整合了多源数据摄取、智能合成分析、自动验证协议和持续监控能力，形成完整的研究闭环。 开源透明可审计 ：完整 Python 源码托管于 GitHub，由 AI 辅助开发并经人工审核，版本迭代活跃，文档完善。 标准化接口 ：MCP 服务器支持实现跨代理协作，提升团队研究效率。
潜在缺点与局限性
外部 API 依赖 ：Brave Search 等搜索功能需要外部网络访问和 API 密钥，无网络环境或密钥时功能受限。 平台兼容性瑕疵 ：文件名中存在反斜杠格式，在类 Unix 系统上可能造成路径解析问题。 技术门槛 ：命令行操作界面要求用户具备一定终端使用经验，非技术背景用户上手成本较高。 本地资源占用 ：长期运行的 Watchdog 监控模式和大量本地向量计算可能对低配置设备造成性能压力。 协作局限 ：虽然支持 MCP 协议，但缺乏原生多人实时协作功能，团队场景需额外配置。
适合的目标群体
学术研究人员 ：需要长期追踪文献、管理研究假设、确保数据隐私的博士生、博士后及课题组。 情报分析师 ：从事开源情报（OSINT）工作，需要多源信息整合、可信度评估和溯源管理的从业者。 独立开发者与技术写作者 ：进行技术调研、竞品分析、文档撰写的个人工作者。 隐私敏感型用户 ：对数据主权有严格要求，拒绝云端存储的企业安全团队和个人用户。 AI 辅助研究团队 ：利用 MCP 协议构建多代理研究工作流的早期技术采纳者。
使用风险
性能风险 ：大规模项目的本地向量相似性计算可能消耗显著 CPU 和内存资源；Watchdog 后台监控持续占用系统资源。 依赖风险 ：requests、beautifulsoup4 等核心依赖若出现安全漏洞需及时更新；Brave API 服务中断将影响搜索功能。 数据风险 ：虽为本地存储，但 SQLite 文件损坏或误删除将导致不可恢复的数据丢失，建议定期备份。 配置风险 ： RESEARCHVAULT_DB 环境变量若指向共享目录或网络挂载点，可能意外暴露研究数据。 网络风险 ：尽管 SSRF 防护完善，但用户自定义的 URL 仍可能指向恶意站点，需保持安全意识。