ResearchVault 是一款以本地优先（Local-first）为核心理念的研究编排引擎，专为需要长期、结构化知识管理的 AI 代理工作流设计。其核心架构围绕 SQLite 本地数据库展开，所有研究数据默认存储于 ~/.researchvault/research_vault.db，彻底杜绝云同步带来的隐私泄露风险。
核心用法
用户通过 CLI 工具 vault.py 完成全流程操作：
1. 项目初始化：vault.py init --objective "目标描述" --name "项目名" 创建结构化研究容器；
2. 数据摄取：vault.py scuttle <URL> --id <项目ID> 将网络资源归档至本地 vault；
3. 策略合成：vault.py strategy --id <项目ID> 触发自主分析，生成研究策略与洞察。
显著优点
- 隐私架构：零云端依赖，网络连接仅限于用户主动触发的搜索请求（Brave/Serper/SearXNG）；
- SSRF 防护：默认阻断 localhost、RFC1918 私有网段及链路本地地址，需显式
--allow-private-networks放行； - 服务隔离：MCP Server 与 Watchdog 等后台服务位于
scripts/services/，必须手动启动，杜绝非预期后台活动； - Portal 可选：基于 token 认证的本地 Web 界面（
127.0.0.1:8000/5173），完全可选且受同等 SSRF 策略约束。
潜在局限
- Python 版本门槛：强制要求 Python ≥3.13，旧环境需升级；
- 手动服务管理：无 systemd/docker 封装，生产部署需自行维护进程；
- 搜索依赖外部 API：Brave/Serper 需用户自备 API Key，无内置搜索引擎；
- Portal 静态 token 风险：若用户手动设置
RESEARCHVAULT_PORTAL_TOKEN，需自行保障熵值与存储安全。
适合人群
- 对数据主权敏感的研究人员、分析师与知识工作者；
- 需要离线/隔离环境运行的企业合规场景；
- 希望将 AI 代理长期记忆本地化的开发者与高级用户。
常规风险
- API Key 泄露：环境变量或
state.json中的密钥需严格限制文件权限； --allow-private-networks误用**：开启后将暴露内网服务，需在可信网络环境使用；- SQLite 并发：多进程写入同一数据库文件需考虑 WAL 模式或外部锁机制。