Local-first Deep Research System

Überblick

Local-first Deep-Research-Agent — Open Source, Alpha Testing.

Problemstellung

Bei Programm- und Architektur-Reviews verfehlt Keyword-Suche oft inhaltlich passende Passagen in technischen Dokumenten — ich brauche semantische Treffer mit erklärbarer Relevanz, nicht nur einen Ähnlichkeitsscore.

Warum ich es gebaut habe

Ada beantwortet Fragen über mein Wissen. DeepDiver erforscht, wie gut Embeddings technische Fachsprache abbilden — und ob hybride Suche in der Praxis besser funktioniert als rein semantisch.

Wer profitiert

Technische Nutzer und Forscher, die über Programm-Dokumentation, Papers oder interne Specs semantisch suchen — primär ich selbst beim Testen von RAG- und Suchmustern.

Aktueller Status

Alpha Testing — vertrauenswürdige, erklärbare Forschungsworkflows.

Architektur

Technologie-Stack

Python · Sentence Transformers · FAISS · FastAPI · React

Erkenntnisse

• Hybride Suche (Vektor + Keyword) ist oft praktikabler als rein semantisch
• UI muss Unsicherheit der Ähnlichkeitsscores zeigen
• Research Ops beginnt mit reproduzierbaren Index-Pipelines

Zukünftige Richtung

• Evaluierungs-Framework für Fachsprache-Treffer
• MCP-Tool-Server für semantische Suche als Agent-Tool
• Erklärbare Relevanz-Scores in der UI