Ctrl K
ComunidadGuías…
GITHUB · ANALIZADO

deep-research

Herramienta CLI y estación de trabajo web auto-alojada para el agente de investigación profundo de Gemini. Permite ejecutar, supervisar y analizar informes generados localmente con historial en SQLite, sin necesidad de Docker.

Ficha actualizada 26 sept 2026, 19:25 · upstream 26 sept 2026, 19:16 · release v0.17.2

Ver códigoProblemas y ayudaRepositorio ↗
00

Qué es deep-research

Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.

Deep Research es una herramienta de línea de comandos y una interfaz web para aprovechar el agente de investigación profundo de Google Gemini. La solución ejecuta investigaciones autónomas, permitiendo al usuario lanzar tareas, observar el proceso de pensamiento del agente en tiempo real y leer los informes citados generados. Todo el historial se almacena localmente en una base de datos SQLite, garantizando que los datos permanezcan en tu propia máquina sin depender de servicios externos para la persistencia.

La interfaz web ofrece un panel de control para gestionar sesiones, con visualización de costes estimados, lectura en voz alta y generación de resúmenes ejecutivos. Soporta modos recursivos para análisis profundos y permite subir documentos locales para que el agente los utilice como contexto inicial antes de limpiarlos automáticamente tras la ejecución.

Es importante considerar que el dashboard no incluye autenticación por defecto, por lo que debe configurarse con cuidado en redes públicas o usar --host 127.0.0.1. Además, las operaciones implican costes reales basados en tokens de Gemini y búsqueda web, por lo que se recomienda ejecutar estimaciones previas antes de lanzar investigaciones complejas o recursivas.

CASOS DE USO
  • Análisis de código legacy para identificar patrones arquitectónicos
  • Troubleshooting técnico sintetizando soluciones de documentación oficial
  • Repurposing de contenido transformando informes PDF en hilos sociales
  • Matriz de competidores comparando productos mediante agentes paralelos
  • Due Diligence de inversión analizando salud financiera y riesgos legales
  • Generación de propuestas de subvención alineadas con agencias específicas
PUNTOS DESTACADOS
  • Historial persistente local en SQLite sin dependencia de servicios externos
  • Dashboard web construido con stdlib HTTP y JS vanilla sin dependencias Python extra
  • Modos recursivos (--depth, --breadth) para análisis paralelo y síntesis final
  • Exportación nativa a Markdown, JSON, CSV, HTML y audio MP3
  • Lectura en voz alta integrada con exportación de resúmenes hablados
  • Gestión de costes estimada en tiempo real antes del lanzamiento
PRECAUCIONES
  • Dashboard sin autenticación por defecto, requiere restricción de red o localhost
  • Requiere clave API de Gemini en tier de pago (no disponible en free)
  • Coste variable por ejecución basado en tokens y búsqueda web
  • No incluye Dockerfile ni Compose para despliegue simplificado
  • Dependencia manual de Python 3.12+ y gestor uv
VISUAL

Capturas del proyecto

Imágenes reales detectadas en la documentación del repositorio.

MobileMission controlReaderMapCompareRead aloudLaunch
01

Perfil de infraestructura

Estimación inicial derivada del repositorio y de los servicios detectados.

CPU4 vCPUrecomendación inicial
MEMORIA8 GBRAM estimada
DISCO10 GBalmacenamiento base
COMPLEJIDADlownivel de operación
02

Despliegue detectado

Qué señales reales de instalación hemos encontrado.

Despliegue manual

Instalar mediante uv tool install. Configurar GEMINI_API_KEY en entorno o archivo .env. Para seguridad, usar --host 127.0.0.1 si no es red de confianza. Instalar ffmpeg opcionalmente para exportar audio MP3. Verificar cuota de API antes de runs recursivos profundos.

—Dockerfile
—Compose
—One-click
03

Stack y dependencias

Componentes inferidos a partir de manifests, configuración y documentación.

FRAMEWORKS
Python
SERVICIOS
No detectados
BASES DE DATOS
No detectadas
PUERTOS
7420
05

Puede sustituir a

Relaciones detectadas por el análisis del repositorio y su categoría.

06

Experiencia real de la comunidad

Ayuda a contrastar la estimación automática con instalaciones reales.

Todavía no hay datos comunitarios para este proyecto.