ResearchVault 是一款以“本地优先（Local-first）”为核心理念的研究编排引擎，主打数据主权、隐私安全与离线可用性。系统采用 SQLite 作为唯一存储介质，默认路径位于 ~/.researchvault/research_vault.db，所有研究状态、原始资料与合成结果均保存在本地磁盘，不进行任何云端同步，从架构层面杜绝了数据外泄风险。
核心功能围绕三大模块展开：
1. 项目管理（Project Init）：通过 vault.py init 创建研究项目，支持自定义研究目标（objective）与项目标识（name），为后续资料归集奠定基础。
2. 数据摄取（Data Ingestion）：scuttle 子命令允许用户将任意 URL 内容抓取并关联至特定项目 ID，系统会自动处理网页内容提取与元数据索引。
3. 自主策略生成（Autonomous Strategist）：strategy 子命令基于已摄取的数据自动分析、综合并生成研究策略建议，实现从原始资料到洞察报告的半自动化转换。
对于需要可视化交互的用户，ResearchVault 提供可选的 Portal 服务（手动启动），包含独立的前后端分离架构：后端默认绑定 127.0.0.1:8000，前端开发服务器运行于 127.0.0.1:5173。Portal 采用静态 Token 认证机制，Token 通过 .portal_auth 文件或环境变量 RESEARCHVAULT_PORTAL_TOKEN 注入，登录通过 URL hash #token=<token> 完成，避免了传统会话 Cookie 的复杂性。同时，Portal 支持双主机访问（127.0.0.1 与 localhost），便于不同浏览器环境的使用。
安全设计方面，ResearchVault 实施了多层防护策略：
- SSRF 硬化：默认拒绝所有私有网络、本地回环及链路本地地址（如
10.0.0.0/8、192.168.0.0/16、127.0.0.0/8、169.254.0.0/16），需显式添加--allow-private-networks参数方可放行，有效防范服务器端请求伪造攻击。 - 网络透明性：除用户主动触发的研究请求或已配置的 Brave Search 外，系统不进行任何出站连接，确保网络行为的可预测性。
- 严格服务隔离：MCP 服务器与 Watchdog 后台服务均位于
scripts/services/目录，必须手动启动，且技能配置中明确设置disable-model-invocation: true，防止 AI 模型自主启动后台任务，降低未授权操作风险。 - Provider 密钥隔离：Brave、Serper、SearXNG 等搜索服务的 API 密钥仅通过环境变量注入，不会传递给 Vault 子进程，避免密钥泄露。
此外，系统支持丰富的环境变量配置，涵盖数据库路径自定义、搜索 Provider 优先级调整、Portal 端口与 CORS 策略、Cookie 安全标记等，满足进阶用户的个性化部署需求。
显著优点：数据完全本地掌控，隐私风险极低；模块化设计清晰，CLI 与 Portal 双模式兼顾自动化与交互性；SSRF 防护默认启用，安全基线较高；MIT 许可证开源，社区可审计。
潜在局限：依赖 Python 3.13 环境，对旧系统兼容性有限；Portal 为开发级前端（Vite 开发服务器），生产环境需额外加固；无内置协作功能，团队共享需手动导出/同步数据库文件；搜索功能依赖外部 API（Brave/Serper/SearXNG），完全离线场景下需预先摄取资料。
适合人群：对数据主权敏感的研究人员、需要离线/内网环境工作的分析师、关注供应链安全的技术审计团队、以及希望自建研究知识库的个人知识管理（PKM）用户。
常规风险：尽管 SSRF 防护完善，若用户显式添加 --allow-private-networks 或 Portal 中开启“Allow private networks”，可能暴露内网服务；环境变量中存储的 API 密钥若未妥善管理（如写入 shell history 或权限宽松的 .env 文件），存在泄露风险；SQLite 数据库文件需定期备份，磁盘故障可能导致研究数据不可恢复。